PulseAugur
中
实时 18:49:33
实体 XTTS v2

XTTS v2

PulseAugur coverage of XTTS v2 — every cluster mentioning XTTS v2 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
3
90 天内 6
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 7 条
  1. TOOL · CL_316864 ·

    发布 Open-XTTS-Trainer 以适应 XTTS v2 TTS 模型

    一款名为 Open-XTTS-Trainer 的新开源工具已发布,使用户能够训练和适配 XTTS v2 文本转语音模型。该训练器解决了诸如 DVAE 音频分词器和 Latent HiFi-GAN 声码器等关键组件缺少训练代码以及微调新语言的困难等限制。该套件包含所有三个训练阶段的模块,并设计用于在现代 PyTorch 版本上运行,提供一键式 Colab 演示以方便使用。

  2. TOOL · CL_312804 ·

    新的梵语语音语料库可实现符合格律的诗歌合成

    研究人员开发了 ShlokaDhara,一个为合成梵语诗歌设计的新的 43 小时语音语料库。该数据集通过关注格律准确性来解决现有语料库的局限性,这对于受 Chandas 韵律学支配的真实朗诵至关重要。该语料库捕捉了不同的格律、朗诵风格和旋律变化,从而推动了文本到朗诵任务的进步。对最先进的 TTS 模型进行了基准测试,其中 XTTS v2 表现出最高质量,并得到了梵语专家和新颖的持续时间分析指标的验证。

  3. TOOL · CL_307940 ·

    Qwen3-TTS 语音克隆在条件、领域和失败模式方面接受评估

    一篇新的研究论文评估了 Qwen3-TTS,一个语音克隆模型,通过将其性能与 Chatterbox 和 XTTS v2 等其他系统在各种语音领域进行比较。研究发现 Qwen3-TTS 在清晰度和音高方面表现出色,但在韵律方面有所欠缺,并且在不同领域的表现差异很大。研究还强调了其条件接口的局限性以及当前防欺骗措施对其生成音频的有效性。

  4. TOOL · CL_233534 ·

    新攻击揭示微调语音合成模型存在严重隐私风险

    研究人员开发了一个新的黑盒成员推理攻击(MIA)框架,专门针对微调的文本到语音(TTS)模型。该框架解决了TTS系统固有的查询生成和表示工程方面的挑战。在三个最先进的TTS模型上进行的评估表明,存在显著的隐私泄露,在困难场景下,说话人级别的AUC得分高达1.0,记录级别的AUC得分在0.80到0.90之间。

  5. RESEARCH · CL_199292 ·

    CPU 语音克隆基准测试:Pocket TTS、Kokoro、Audio8、XTTS v2 对比

    一项实际基准测试在 CPU 性能上评估了四种语音克隆模型(Pocket TTS、Kokoro、Audio88 & Yassin 和 XTTS v2)。评估重点关注说话人相似度、自然度、清晰度和延迟,使用了具有不同说话人和口音的 VCTK 数据集。研究发现,虽然 XTTS v2 和 Audio88 & Yassin 是真正的零样本克隆模型,但 Kokoro 在自然度方面表现更好,而 Pocket TTS 和 Kokoro 可作为 CPU…

  6. TOOL · CL_115127 ·

    VoiceCraft AI 模型能够使用最少的音频进行声音克隆和语音编辑

    VoiceCraft 是由 UT Austin 和 Meta FAIR 的研究人员开发的一种新颖的神经编解码器语言模型,它能够使用最少的参考音频进行高保真声音克隆和语音编辑。该模型已获得超过 8,500 个 GitHub 星标,它采用了一种 Transformer 解码器架构,并结合了因果掩码和延迟堆叠的独特标记重排程序。这种方法允许基于双向上下文的自回归生成,显著优于传统的语音编辑和 TTS 方法。VoiceCraft 还引入了 R…

  7. TOOL · CL_19446 ·

    AMD EPYC CPU 在 LLM 和 TTS 推理工作负载上表现出竞争力

    Leaseweb 近期的一项分析对 AMD EPYC 9334 CPU 在大型语言模型 (LLM) 和文本转语音 (TTS) 推理工作负载上的性能进行了基准测试。研究表明,虽然 GPU 提供更高的吞吐量,但 CPU 可以是推理的经济高效且可预测的选择,尤其是在考虑延迟和每查询成本等因素时。基准测试突显了量化的影响,Q4 模型在 CPU 上的吞吐量明显优于 FP16,并且还与参考 Nvidia L4 GPU 比较了首次令牌时间 (TTF…