163 articoli
Il paper propone ZeSTA, un framework di addestramento condizionato al dominio che migliora la sintesi vocale personalizzata a risorse limitate utilizzando l'augmentazione Zero-Shot TTS senza compromettere la somiglianza del parlante.
Questo articolo presenta LabelBuddy, uno strumento open source di annotazione audio collaborativo che utilizza modelli di intelligenza artificiale e agenti autonomi per colmare il divario tra l'intento umano e la comprensione delle macchine, superando le limitazioni degli strumenti di tagging statici.
Il paper presenta un metodo a basso costo computazionale per il controllo di modelli di diffusione audio latente, basato su Latent-Control Heads (LatCH) e Selective TFG, che permette di regolare parametri come intensità, tono e battito senza richiedere un addestramento estensivo o costose retropropagazioni durante l'inferenza.