高效并行音频生成使用组掩码语言建模

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

AudioLM是一个高质量的音频生成框架,通过将输入音频映射为离散令牌序列,并在该表示空间中将音频生成视为一种语言建模任务。它可以生成自然、连贯的音频持续时间,无需文件、笔录或注释,并对未见过的讲话者也能保持语法和语义合理。同时,它还能生成连贯的钢琴音乐持续时间,超越了语音。

🏷️

标签

➡️

继续阅读