Entrar
insight - 音樂與語音處理
人工智慧生成歌聲的偽造檢測:音樂基礎模型與語音基礎模型的比較及融合
本研究首次全面比較了音樂基礎模型(MFM)和語音基礎模型(SFM)在歌聲偽造檢測(SVDD)任務上的性能,並提出了一種新的融合框架FIONA,能夠有效地結合不同基礎模型的優勢,取得了目前最佳的SVDD性能。
建立一個歌唱風格字幕資料集
本文提出了一個新的任務 - 歌唱風格字幕,旨在從給定的音頻剪輯中捕捉歌手的聲音和音樂特徵,並以文字描述的形式表達出來。為此,作者開發了一個名為S2Cap的全面數據集,包含了各種聲音和音樂屬性的註釋。此外,作者還提出了一個強大的基線算法,利用正向對學習和聲音分離技術來改善模型的性能。
整合週期性和非週期性變分自編碼器以實現自然發聲的端到端歌聲合成
本文提出了一種名為Period Singer的新型端到端歌聲合成模型,利用變分推論來建模週期性和非週期性成分,以產生自然的音波形。
Produtos
© 2024 by Linnk AI