audio ai timeline

Garis Waktu Audio AI

Di sini kami akan terus memantau model AI terbaru untuk pembuatan audio berbasis gelombang, mulai tahun 2023!

2023

Tanggal	Rilis [Sampel]	Kertas	Kode	Model Terlatih
14.11	Mustango: Menuju Generasi Teks-ke-Musik yang Terkendali	arXiv	GitHub	Memeluk Wajah
13.11	Music ControlNet: Kontrol Bervariasi Banyak Waktu untuk Pembuatan Musik	arXiv	-	-
02.11	E3 TTS: Text to Speech berbasis Difusi End-to-End yang Mudah	arXiv	-	-
01.10	UniAudio: Model Landasan Audio Menuju Generasi Audio Universal	arXiv	GitHub	-
24.09	VoiceLDM: Text-to-Speech dengan Konteks Lingkungan	arXiv	GitHub	-
05.09	PromptTTS 2: Mendeskripsikan dan Menghasilkan Suara dengan Text Prompt	arXiv	-	-
14.08	SpeechX: Model Bahasa Neural Codec sebagai Transformator Ucapan Serbaguna	arXiv	-	-
10.08	AudioLDM 2: Mempelajari Pembuatan Audio Holistik dengan Pra-pelatihan yang Diawasi Sendiri	arXiv	GitHub	Memeluk Wajah
09.08	JEN-1: Generasi Musik Universal Berpanduan Teks dengan Model Difusi Segala Arah	arXiv	-	-
03.08	MusicLDM: Meningkatkan Kebaruan dalam Pembuatan Text-to-Music Menggunakan Strategi Mixup Beat-Synchronous	arXiv	GitHub	-
14.07	Mega-TTS 2: Zero-Shot Text-to-Speech dengan Perintah Ucapan Panjang Sewenang-wenang	arXiv	-	-
10.07	VampNet: Pembuatan Musik melalui Pemodelan Token Akustik Bertopeng	arXiv	GitHub	-
22.06	AudioPaLM: Model Bahasa Besar yang Dapat Berbicara dan Mendengarkan	arXiv	-	-
19.06	Kotak Suara: Pembuatan Pidato Universal Multibahasa yang Dipandu Teks dalam Skala Besar	PDF	GitHub	-
08.06	MusicGen: Generasi Musik Sederhana dan Terkendali	arXiv	GitHub	Colab Memeluk Wajah
06.06	Mega-TTS: Zero-Shot Text-to-Speech dalam Skala Besar dengan Bias Induktif Intrinsik	arXiv	-	-
01.06	Vocos: Menutup kesenjangan antara domain waktu dan vocoder saraf berbasis Fourier untuk sintesis audio berkualitas tinggi	arXiv	GitHub	-
29.05	Make-An-Audio 2: Pembuatan Teks-ke-Audio yang Disempurnakan Secara Temporal	arXiv	-	-
25.05	MeLoDy: Generasi Musik Neural yang Efisien	arXiv	-	-
18.05	CLAPSpeech: Mempelajari Prosodi dari Konteks Teks dengan Pra-pelatihan Audio-Bahasa Kontrasif	arXiv	-	-
18.05	SpeechGPT: Memberdayakan Model Bahasa Besar dengan Kemampuan Percakapan Lintas Modal Intrinsik	arXiv	GitHub	-
16.05	SoundStorm: Generasi Audio Paralel yang Efisien	arXiv	GitHub (tidak resmi)	-
03.05	Generasi Suara yang Beragam dan Jelas dari Deskripsi Teks	arXiv	-	-
02.05	Soundtracker Video Berirama Jangka Panjang	arXiv	GitHub	-
24.04	TANGO: Pembuatan Teks-ke-Audio menggunakan LLM yang disetel instruksi dan Model Difusi Laten	PDF	GitHub	Memeluk Wajah
18.04	NaturalSpeech 2: Model Difusi Laten adalah Synthesizer Ucapan dan Nyanyian yang Alami dan Zero-Shot	arXiv	GitHub (tidak resmi)	-
10.04	Bark: Model Audio Generatif yang Diminta Teks	-	GitHub	Colab Memeluk Wajah
03.04	AUDIT: Pengeditan Audio dengan Mengikuti Instruksi dengan Model Difusi Laten	arXiv	-	-
08.03	VALL-E X: Berbicara Bahasa Asing dengan Suara Anda Sendiri: Pemodelan Bahasa Codec Neural Lintas Bahasa	arXiv	-	-
27.02	Saya Mendengar Warna Asli Anda: Pembuatan Audio yang Dipandu Gambar	arXiv	GitHub	-
08.02	Noise2Music: Generasi Musik Berkondisi Teks dengan Model Difusi	arXiv	-	-
04.02	Model Difusi Multi-Sumber untuk Pembuatan dan Pemisahan Musik Secara Simultan	arXiv	GitHub	-
30.01	SingSong: Menghasilkan musik pengiring dari nyanyian	arXiv	-	-
30.01	AudioLDM: Pembuatan Teks-ke-Audio dengan Model Difusi Laten	arXiv	GitHub	Memeluk Wajah
30.01	Moûsai: Generasi Teks-ke-Musik dengan Difusi Laten Konteks Panjang	arXiv	GitHub	-
29.01	Make-An-Audio: Pembuatan Teks-Ke-Audio dengan Model Difusi yang Ditingkatkan dengan Cepat	PDF	-	-
28.01	Kebisingan2Musik	-	-	-
27.01	RAVE2 [Sampel RAVE1]	arXiv	GitHub	-
26.01	MusicLM: Menghasilkan Musik Dari Teks	arXiv	GitHub (tidak resmi)	-
18.01	Msanii: Sintesis Musik Fidelitas Tinggi dengan Anggaran Sedikit	arXiv	GitHub	Colab Memeluk Wajah
16.01	ArchiSound: Pembuatan Audio dengan Difusi	arXiv	GitHub	-
05.01	VALL-E: Model Bahasa Neural Codec adalah Synthesizer Teks ke Ucapan Zero-Shot	arXiv	GitHub (tidak resmi) (demo)	-