audio ai timeline

Chronologie de l'IA audio

Ici, nous garderons une trace des derniers modèles d'IA pour la génération audio basée sur la forme d'onde, à partir de 2023 !

2023

Date	Libérer [Échantillons]	Papier	Code	Modèle formé
14.11	Mustango : vers une génération de texte en musique contrôlable	arXiv	GitHub	Visage câlin
13.11	Music ControlNet : plusieurs commandes variables dans le temps pour la génération de musique	arXiv	-	-
02.11	E3 TTS : synthèse vocale facile basée sur la diffusion de bout en bout	arXiv	-	-
01.10	UniAudio : un modèle de base audio vers la génération audio universelle	arXiv	GitHub	-
24.09	VoiceLDM : synthèse vocale avec contexte environnemental	arXiv	GitHub	-
05.09	PromptTTS 2 : décrire et générer des voix avec une invite de texte	arXiv	-	-
14.08	SpeechX : modèle de langage de codec neuronal comme transformateur de parole polyvalent	arXiv	-	-
10.08	AudioLDM 2 : Apprentissage de la génération audio holistique avec une pré-formation auto-supervisée	arXiv	GitHub	Visage câlin
09.08	JEN-1 : Génération de musique universelle guidée par texte avec modèles de diffusion omnidirectionnelle	arXiv	-	-
03.08	MusicLDM : améliorer la nouveauté dans la génération de texte en musique à l'aide de stratégies de mixage synchrone	arXiv	GitHub	-
14.07	Mega-TTS 2 : synthèse vocale Zero-Shot avec invites vocales de longueur arbitraire	arXiv	-	-
10.07	VampNet : génération de musique via la modélisation de jetons acoustiques masqués	arXiv	GitHub	-
22.06	AudioPaLM : un grand modèle de langage capable de parler et d'écouter	arXiv	-	-
19.06	Voicebox : génération vocale universelle multilingue guidée par texte à grande échelle	PDF	GitHub	-
08.06	MusicGen : génération de musique simple et contrôlable	arXiv	GitHub	Colab visage câlin
06.06	Mega-TTS : synthèse vocale Zero-Shot à grande échelle avec biais inductif intrinsèque	arXiv	-	-
01.06	Vocos : combler l'écart entre les vocodeurs neuronaux dans le domaine temporel et basés sur Fourier pour une synthèse audio de haute qualité	arXiv	GitHub	-
29.05	Make-An-Audio 2 : génération de texte en audio améliorée au niveau temporel	arXiv	-	-
25.05	MeLoDy : génération efficace de musique neuronale	arXiv	-	-
18.05	CLAPSpeech : apprendre la prosodie à partir du contexte textuel avec une pré-formation contrastée langage-audio	arXiv	-	-
18.05	SpeechGPT : doter de grands modèles linguistiques de capacités conversationnelles multimodales intrinsèques	arXiv	GitHub	-
16h05	SoundStorm : génération audio parallèle efficace	arXiv	GitHub (non officiel)	-
03.05	Génération de sons diversifiés et vifs à partir de descriptions textuelles	arXiv	-	-
02.05	Bande-son vidéo rythmique à long terme	arXiv	GitHub	-
24.04	TANGO : génération de texte en audio à l'aide d'un LLM adapté aux instructions et d'un modèle de diffusion latente	PDF	GitHub	Visage câlin
18.04	NaturalSpeech 2 : les modèles de diffusion latente sont des synthétiseurs de parole et de chant naturels et Zero-Shot	arXiv	GitHub (non officiel)	-
10.04	Bark : modèle audio génératif à invite de texte	-	GitHub	Colab visage câlin
03.04	AUDIT : Édition audio en suivant les instructions avec des modèles de diffusion latente	arXiv	-	-
08.03	VALL-E X : Parlez des langues étrangères avec votre propre voix : modélisation linguistique de codecs neuronaux multilingues	arXiv	-	-
27.02	J'entends vos vraies couleurs : génération audio guidée par l'image	arXiv	GitHub	-
08.02	Noise2Music : génération de musique conditionnée par texte avec des modèles de diffusion	arXiv	-	-
04.02	Modèles de diffusion multi-sources pour la génération et la séparation simultanées de musique	arXiv	GitHub	-
30.01	SingSong : Générer des accompagnements musicaux à partir du chant	arXiv	-	-
30.01	AudioLDM : génération de texte en audio avec des modèles de diffusion latente	arXiv	GitHub	Visage câlin
30.01	Moûsai : génération de texte en musique avec diffusion latente à contexte long	arXiv	GitHub	-
29.01	Make-An-Audio : génération de texte en audio avec des modèles de diffusion améliorés par invite	PDF	-	-
28.01	Bruit2Musique	-	-	-
27.01	RAVE2 [Échantillons RAVE1]	arXiv	GitHub	-
26.01	MusicLM : générer de la musique à partir de texte	arXiv	GitHub (non officiel)	-
18.01	Msanii : synthèse musicale haute fidélité avec un budget restreint	arXiv	GitHub	Colab visage câlin
16.01	ArchiSound : génération audio avec diffusion	arXiv	GitHub	-
05.01	VALL-E : les modèles de langage de codec neuronal sont des synthétiseurs de synthèse vocale Zero-Shot	arXiv	GitHub (non officiel) (démo)	-