趣丸科技副总裁贾朔在AIGC产业峰会上指出，AI音乐创作进入普惠时代，创作门槛降低。国产AI音乐的自然度已超越美国，AI将辅助人类创作者，提高创作效率。未来五年，音乐行业将被AI重构，面临机遇与挑战。

本研究提出FluentLip，一种基于音素的双阶段音频驱动嘴唇合成方法，旨在提高嘴唇可懂度和视频流畅性。通过结合音素提取和光流一致性损失，显著提升了嘴唇运动的同步性和自然度，实验结果表明其在流畅度和自然性方面优于现有技术。

本研究首次自动扩展了包含59种风格标签的ParaSpeechCaps数据集，解决了大规模语音数据集风格标签不足的问题。经过微调的TTS模型在语音风格一致性和自然度上显著提升，展示了研究的潜在影响。

本研究探讨了文本到语音(TTS)系统中外部工具生成的时长依赖问题，提出了一种新的对齐器训练方法，显著提高了对齐准确性，词错误率降低了16%，优化了TTS系统的自然度和可懂度。

本研究提出了CTEFM-VC框架，以解决零样本语音转换中的说话人相似性和自然度问题。实验结果显示，该系统在这两个方面分别超越现有方法18.5%和7.0%。

本研究提出了DAE-Fuse框架，通过引入自适应模块解决了多模态图像融合方法产生模糊或不自然图像的问题，显著提升了融合图像的清晰度和自然度。实验结果表明该方法具有广泛的适用性。

今天，我使用之前收集的资源进行了微调，旨在提高模型生成对话语言的能力。结果令人鼓舞，输出的自然度和适应性有明显改善。

本文介绍了一种通过大规模数据集训练的文本到语音模型，展示了出色的语境学习能力和自然度。作者提出了一种可扩展的方法来标注说话人身份、风格和录音条件，并将其应用于一个45k小时的数据集上。实验结果表明，该模型在各种条件下都表现出色。

本文提出了一种可扩展的文本转语音方法，通过预测强调词的持续时间来改善自然度，测试表明该方法可以提高强调单词的识别率。

该文介绍了一种评估视频失真的 TPQI 指标，通过提取 HVS 的视频感知表示来量化视频的自然度和内容连续性。该指标适用于任何数据集，可以实现与空间质量度量相当的性能。

本文提出了一种可扩展的文本转语音方法，通过预测强调词的持续时间来改善自然度，成功识别了40％的强调单词。