163 articles
Le papier propose ZeSTA, un cadre d'entraînement conditionné par le domaine qui améliore la synthèse de parole personnalisée à faible ressource en utilisant l'augmentation de données par synthèse zéro-shot tout en préservant la similarité de l'orateur grâce à un embedding léger et un suréchantillonnage des données réelles.
Ce papier présente LabelBuddy, un outil open-source collaboratif d'annotation audio assistée par l'IA qui comble le fossé entre l'intention humaine et la compréhension machine en permettant l'intégration de modèles personnalisés via des backends conteneurisés pour surmonter les limites des outils d'étiquetage statiques.
Cet article présente une méthode à faible coût computationnel pour le contrôle de modèles de diffusion audio latents, utilisant des têtes de contrôle latentes (LatCHs) et une sélection de TFG afin d'obtenir des sorties audio générées avec une précision accrue sur l'intensité, la hauteur et le rythme sans nécessiter de réentraînement massif du modèle.