BriefGPT - AI 论文速递
·
倾听、交谈与编辑：文本引导下的音景修改以提升听觉体验
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
介绍了多模态声音混合编辑器'LCE'，可根据用户文本指令修改声源。系统通过聊天界面和语言模型解释，同时编辑多个声源，提高信号质量。实验证明在不同声源场景中表现稳健。
🎯
关键要点
- 介绍了一种新颖的多模态声音混合编辑器 'LCE'。
- LCE 根据用户提供的文本指令修改混合中的每个声源。
- 通过用户友好的聊天界面同时编辑多个声源，无需将它们分离。
- 用户输入自由词汇文本提示，由大型语言模型解释以创建语义过滤器。
- 系统将混合分解为组成部分，应用语义过滤器并重新组装成期望的输出。
- 开发了一个包含 160 小时数据集的系统，包括 100k 个混合物。
- 数据集包含语音和各种音频源，以及用于不同编辑任务的文本提示。
- 实验证明在所有编辑任务中信号质量显著提高。
- 在不同数量和类型的声源的零-shot 场景中表现稳健。
🏷️
标签
➡️
