2-4.应用工具音频 | 第 3 页

TIGER：清华大学等推出的新型轻量级语音分离模型

TIGER简介 TIGER（Time-frequency Interleaved Gain Extraction and Reconstruction network）是由清华大学计算机系、清华-IDG/麦戈文脑科学研究院以及北京脑...

2-4.应用工具音频

2个月前

PDF to Podcast简介 “PDF to Podcast”是由NVIDIA AI Blueprint团队开发的一项创新应用，旨在将PDF文档高效转换为音频内容，生成引人入胜的播客。它基于NVIDIA...

2-4.应用工具音频

2个月前

InspireMusic简介 InspireMusic 是由阿里巴巴通义实验室开发的开源音乐生成框架，旨在通过人工智能技术赋能音乐创作。它基于自回归 Transformer 和音频标...

2-4.应用工具音频

2个月前

Zonos-v0.1简介 Zonos-v0.1是由Zyphra团队开发的文本到语音（TTS）模型，于2025年2月10日发布。它包含两个1.6B参数的模型：一个Transformer模型和一个SSM混合...

2-4.应用工具音频

2个月前

FireRedASR简介 FireRedASR是由小红书开源的普通话自动语音识别（ASR）模型系列，旨在满足不同应用场景对性能和效率的需求。该模型家族包含两个变体：FireRed...

2-4.应用工具音频

2个月前

XMusic简介 XMusic是由腾讯公司开发的一个通用化且可控的符号音乐生成框架。它能够通过多种灵活的提示，如图像、视频、文本、标签和哼唱，生成具有情感控制和...

2-4.应用工具音频

3个月前

TAAE简介 TAAE是由Stability AI推出一种新型的神经音频编解码模型，它利用基于Transformer的架构和有限标量量化（FSQ）技术，在极低的比特率下实现高质量的语...

2-4.应用工具音频

3个月前

TANGOFLUX简介 TANGOFLUX是由新加坡科技设计大学和NVIDIA共同开发的文本到音频生成模型，拥有约5.15亿参数，能够在3.7秒内生成长达30秒的44.1kHz音频。该模型...

2-4.应用工具音频

3个月前

Sketch2Sound简介 Sketch2Sound是一个音频生成模型，它能够通过理解和响应时间变化的控制信号（如响度、亮度和音高）以及文本提示，从声音模仿中合成高质量的...

2-4.应用工具音频

4个月前

CosyVoice 2简介 CosyVoice 2是由阿里巴巴集团开发的先进流式语音合成模型，它通过整合大型语言模型，实现了在流式模式下人类水平的自然度和几乎无损的合成质...

2-4.应用工具音频

4个月前