หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>โค้ดแหล่งที่มา AI
ดาวน์โหลด

ไทม์ไลน์เสียง AI

ที่นี่เราจะติดตามโมเดล AI ล่าสุดสำหรับการสร้างเสียงตามรูปคลื่น เริ่มในปี 2023!

2023

วันที่ ปล่อย [ตัวอย่าง] กระดาษ รหัส โมเดลที่ผ่านการฝึกอบรม
14.11 Mustango: สู่การสร้างข้อความเป็นเพลงที่ควบคุมได้ อาร์เอ็กซ์ GitHub กอดหน้า
13.11 Music ControlNet: การควบคุมที่แปรผันตามเวลาสำหรับการสร้างเพลง อาร์เอ็กซ์ - -
02.11 E3 TTS: การแปลงข้อความเป็นคำพูดจากต้นทางถึงปลายทางอย่างง่ายดาย อาร์เอ็กซ์ - -
01.10 UniAudio: โมเดลพื้นฐานด้านเสียงสู่การสร้างเสียงสากล อาร์เอ็กซ์ GitHub -
24.09 VoiceLDM: การอ่านออกเสียงข้อความพร้อมบริบทด้านสิ่งแวดล้อม อาร์เอ็กซ์ GitHub -
05.09 PromptTTS 2: อธิบายและสร้างเสียงพร้อมข้อความ อาร์เอ็กซ์ - -
14.08 SpeechX: โมเดลภาษาตัวแปลงสัญญาณประสาทเป็นตัวแปลงคำพูดอเนกประสงค์ อาร์เอ็กซ์ - -
10.08 AudioLDM 2: การเรียนรู้การสร้างเสียงแบบองค์รวมด้วยการฝึกล่วงหน้าด้วยตนเอง อาร์เอ็กซ์ GitHub กอดหน้า
09.08 JEN-1: การสร้างดนตรีสากลแบบใช้ข้อความพร้อมโมเดลการแพร่กระจายแบบรอบทิศทาง อาร์เอ็กซ์ - -
03.08 MusicLDM: การเพิ่มความแปลกใหม่ในการสร้างข้อความเป็นเพลงโดยใช้กลยุทธ์การผสมผสานบีทซิงโครนัส อาร์เอ็กซ์ GitHub -
14.07 Mega-TTS 2: การอ่านออกเสียงข้อความแบบ Zero-Shot พร้อมคำพูดที่มีความยาวตามอำเภอใจ อาร์เอ็กซ์ - -
10.07 VampNet: การสร้างเพลงผ่านการสร้างแบบจำลองโทเค็นอะคูสติกแบบสวมหน้ากาก อาร์เอ็กซ์ GitHub -
22.06 AudioPaLM: โมเดลภาษาขนาดใหญ่ที่สามารถพูดและฟังได้ อาร์เอ็กซ์ - -
19.06 กล่องเสียง: การสร้างคำพูดสากลหลายภาษาพร้อมข้อความนำทางตามขนาด PDF GitHub -
08.06 MusicGen: การสร้างเพลงที่ง่ายและควบคุมได้ อาร์เอ็กซ์ GitHub กอดใบหน้า Colab
06.06 Mega-TTS: การอ่านออกเสียงข้อความแบบ Zero-Shot ในระดับที่มีอคติเชิงอุปนัยภายใน อาร์เอ็กซ์ - -
01.06 Vocos: ปิดช่องว่างระหว่างโดเมนเวลาและโวโคเดอร์ประสาทที่ใช้ฟูริเยร์เพื่อการสังเคราะห์เสียงคุณภาพสูง อาร์เอ็กซ์ GitHub -
29.05 Make-An-Audio 2: การสร้างข้อความเป็นเสียงที่ปรับปรุงชั่วคราว อาร์เอ็กซ์ - -
25.05 MeLoDy: การสร้างดนตรีประสาทที่มีประสิทธิภาพ อาร์เอ็กซ์ - -
18.05 CLAPSpeech: การเรียนรู้ฉันทลักษณ์จากบริบทข้อความพร้อมการฝึกอบรมล่วงหน้าภาษาและเสียงที่ตัดกัน อาร์เอ็กซ์ - -
18.05 SpeechGPT: เสริมศักยภาพให้กับโมเดลภาษาขนาดใหญ่ด้วยความสามารถในการสนทนาข้ามโมดัลภายใน อาร์เอ็กซ์ GitHub -
16.05 SoundStorm: การสร้างเสียงแบบขนานที่มีประสิทธิภาพ อาร์เอ็กซ์ GitHub (ไม่เป็นทางการ) -
03.05 การสร้างเสียงที่หลากหลายและสดใสจากคำอธิบายข้อความ อาร์เอ็กซ์ - -
02.05 เพลงประกอบวิดีโอจังหวะระยะยาว อาร์เอ็กซ์ GitHub -
24.04 TANGO: การสร้างข้อความเป็นเสียงโดยใช้คำแนะนำที่ปรับ LLM และ Latent Diffusion Model PDF GitHub กอดหน้า
18.04 NaturalSpeech 2: โมเดลการแพร่กระจายแฝงเป็นเครื่องสังเคราะห์เสียงพูดและการร้องเพลงที่เป็นธรรมชาติและแบบ Zero-Shot อาร์เอ็กซ์ GitHub (ไม่เป็นทางการ) -
10.04 เปลือกไม้: โมเดลเสียงที่สร้างพร้อมข้อความแจ้ง - GitHub กอดใบหน้า Colab
03.04 การตรวจสอบ: การแก้ไขเสียงโดยปฏิบัติตามคำแนะนำด้วยโมเดลการแพร่กระจายแฝง อาร์เอ็กซ์ - -
08.03 VALL-E X: พูดภาษาต่างประเทศด้วยเสียงของคุณเอง: การสร้างแบบจำลองภาษาตัวแปลงสัญญาณประสาทข้ามภาษา อาร์เอ็กซ์ - -
27.02 ฉันได้ยินสีที่แท้จริงของคุณ: การสร้างเสียงตามภาพ อาร์เอ็กซ์ GitHub -
08.02 Noise2Music: การสร้างเพลงที่มีเงื่อนไขเป็นข้อความพร้อมโมเดลการแพร่กระจาย อาร์เอ็กซ์ - -
04.02 แบบจำลองการแพร่กระจายหลายแหล่งสำหรับการสร้างและแยกเพลงพร้อมกัน อาร์เอ็กซ์ GitHub -
30.01 SingSong: การสร้างดนตรีประกอบจากการร้องเพลง อาร์เอ็กซ์ - -
30.01 AudioLDM: การสร้างข้อความเป็นเสียงด้วยโมเดลการแพร่กระจายแฝง อาร์เอ็กซ์ GitHub กอดหน้า
30.01 Moûsai: การสร้างข้อความเป็นเพลงพร้อมการแพร่กระจายแฝงในบริบทแบบยาว อาร์เอ็กซ์ GitHub -
29.01 Make-An-Audio: การสร้างข้อความเป็นเสียงด้วยโมเดลการแพร่กระจายที่ปรับปรุงอย่างรวดเร็ว PDF - -
28.01 Noise2Music - - -
27.01 RAVE2 [ตัวอย่าง RAVE1] อาร์เอ็กซ์ GitHub -
26.01 MusicLM: การสร้างเพลงจากข้อความ อาร์เอ็กซ์ GitHub (ไม่เป็นทางการ) -
18.01 Msanii: การสังเคราะห์เพลงที่มีความเที่ยงตรงสูงด้วยงบประมาณที่จำกัด อาร์เอ็กซ์ GitHub กอดใบหน้า Colab
16.01 ArchiSound: การสร้างเสียงพร้อมการแพร่กระจาย อาร์เอ็กซ์ GitHub -
05.01 VALL-E: โมเดลภาษา Neural Codec เป็นตัวสังเคราะห์ข้อความเป็นคำพูดแบบ Zero-Shot อาร์เอ็กซ์ GitHub (ไม่เป็นทางการ) (สาธิต) -
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด