音频生成
音频,audio
还得是抖音，字节推出竖屏视频理解数据集，入选CVPR2024
随着短视频在社交媒体的流行，竖屏视频成为了主流的视频格式。然而，传统视频处理技术主要集中在横屏视频上，忽视了竖屏视频的独特性。为了弥补这一研究空白...
15 秒音频即可“复制”原声！但OpenAI 担心新语音模型被滥用而限制发行
OpenAI近期展示了其新型语音生成模型“Voice Engine”，这一技术能够通过文本输入和短短15秒的音频样本，生成与原始说话者声音高度相似的自然语言语音。这项技...
音乐ChatGPT时刻来临！「天工SkyMusic」音乐大模型今日启动邀测
机器之心编辑部宣布，昆仑万维的AI音乐生成大模型「天工 SkyMusic」现已对外开放免费邀测，提供1000个名额给行业媒体、专家和音乐从业者。申请者可通过扫描二...
扩散模型攻克算法难题，AGI不远了！谷歌大脑找到迷宫最短路径
新智元最近报道了一项有趣的研究，一位博士研究人员利用「离散扩散」模型解决了图像表示迷宫中的最短路径问题。这项实验通过反复添加水平和垂直墙生成迷宫，...
谷歌推出多模态视频模型，自动生成丰富动作视频
文章摘要 【关 键 词】 AIGC、多模态模型、VLOGGER、视频生成、技术创新 随着数字化经济的蓬勃发展，虚拟数字人的需求在各行业中日益增长。为了...
OpenAI发布Voice Engine，15秒克隆任何语音，霉霉说中文就靠它
OpenAI近期发布了一个新的语音合成模型Voice Engine，这个模型仅需文本输入和一个15秒的音频样本，就能生成与原始说话者声音极其相似的自然语音。这项技术最...
今日AGI要闻：微软和OpenAI拟投资7200亿造AI超算；15秒复制人类声音引擎公布
今天，通用人工智能（AGI）领域的发展迎来了一系列重大消息。首先，美国OpenAI公司宣布了其小型模型Voice Engine合成语音技术的初步洞察和测试结果。Voice En...
CVPR 2024 | 面部+肢体动画，一个框架搞定从音频生成数字人表情与动作
近年来，随着虚拟现实、虚拟直播和游戏NPC等领域的发展，AI数字人的面部与肢体驱动算法成为了研究的热点。这些算法能够根据语音生成相应的面部表情和肢体动作...
OpenAI藏了1年多的技术正式公开！15秒素材克隆声音，HeyGen也在用
OpenAI最近正式揭幕了一款新的语音合成引擎Voice Engine，这项技术令人瞩目的特点在于，它能够仅凭15秒的语音样本克隆出一个人的声音，并且能够跨越不同语言...
一张图即出AI视频！谷歌全新扩散模型，让人物动起来
文章摘要 【关 键 词】 谷歌研究、VLOGGER模型、视频生成、音频驱动、数据集MENTOR 谷歌的研究人员近期发布了一种名为VLOGGER的多模态扩散模型，...
