audio-ai-timeline

audio-ai-timeline

音频AI领域2023年重大进展及模型概览

Audio AI Timeline项目追踪2023年音频生成领域AI模型进展。涵盖MusicLM、AudioLDM 2等重要模型,展示文本到音频、音乐生成和语音合成技术发展。项目记录模型发布日期、论文、代码和训练资源,为音频AI领域研究者和开发者提供参考。

AI音频生成文本转语音音乐生成深度学习扩散模型Github开源项目

音频人工智能时间线

在这里,我们将从2023年开始,追踪最新的基于波形的音频生成人工智能模型!

2023

日期发布 [样本]论文代码训练模型
11.14Mustango: 面向可控文本到音乐生成arXivGitHubHugging Face
11.13Music ControlNet: 多时变控制的音乐生成arXiv--
11.02E3 TTS: 简易端到端扩散模型文本转语音arXiv--
10.01UniAudio: 面向通用音频生成的音频基础模型arXivGitHub-
09.24VoiceLDM: 带环境上下文的文本转语音arXivGitHub-
09.05PromptTTS 2: 用文本提示描述和生成声音arXiv--
08.14SpeechX: 作为多功能语音转换器的神经编解码语言模型arXiv--
08.10AudioLDM 2: 通过自监督预训练学习整体音频生成arXivGitHubHugging Face
08.09JEN-1: 使用全方位扩散模型的文本引导通用音乐生成arXiv--
08.03MusicLDM: 使用节拍同步混合策略增强文本到音乐生成的新颖性arXivGitHub-
07.14Mega-TTS 2: 使用任意长度语音提示的零样本文本转语音arXiv--
07.10VampNet: 通过掩蔽声学标记建模的音乐生成arXivGitHub-
06.22AudioPaLM: 能说能听的大型语言模型arXiv--
06.19Voicebox: 大规模文本引导多语言通用语音生成PDFGitHub-
06.08MusicGen: 简单且可控的音乐生成arXivGitHubHugging Face Colab
06.06Mega-TTS: 大规模零样本文本转语音与内在归纳偏置arXiv--
06.01Vocos: 缩小时域和傅里叶域神经声码器在高质量音频合成中的差距arXivGitHub-
05.29Make-An-Audio 2: 时间增强的文本到音频生成arXiv--
05.25MeLoDy: 高效神经音乐生成arXiv--
05.18CLAPSpeech: 通过对比语言-音频预训练从文本上下文学习韵律arXiv--
05.18SpeechGPT: 赋予大型语言模型内在跨模态对话能力arXivGitHub-
05.16SoundStorm: 高效并行音频生成arXivGitHub (非官方)-
05.03从文本描述生成多样化和生动的声音arXiv--
05.02长期节奏视频配乐器arXivGitHub-
04.24TANGO: 使用指令调优LLM和潜在扩散模型的文本到音频生成PDFGitHubHugging Face
04.18NaturalSpeech 2: 潜在扩散模型是自然的零样本语音和歌唱合成器arXivGitHub (非官方)-
04.10Bark: 文本提示生成音频模型-GitHubHugging Face Colab
04.03AUDIT: 使用潜在扩散模型按指令编辑音频arXiv--
03.08VALL-E X: 用自己的声音说外语:跨语言神经编解码语言建模arXiv--
02.27我听到你的真实色彩:图像引导的音频生成arXivGitHub-
日期项目名称和链接论文链接代码仓库在线演示
------------------------------------------
02.08Noise2Music: 基于扩散模型的文本条件音乐生成arXiv--
02.04多源扩散模型用于同步音乐生成和分离arXivGitHub-
01.30SingSong: 从歌唱生成音乐伴奏arXiv--
01.30AudioLDM: 基于潜在扩散模型的文本到音频生成arXivGitHubHugging Face
01.30Moûsai: 基于长上下文潜在扩散的文本到音乐生成arXivGitHub-
01.29Make-An-Audio: 基于提示增强扩散模型的文本到音频生成PDF--
01.28Noise2Music---
01.27RAVE2 [RAVE1样本]arXivGitHub-
01.26MusicLM: 从文本生成音乐arXivGitHub (非官方)-
01.18Msanii: 低成本高保真音乐合成arXivGitHubHugging Face Colab
01.16ArchiSound: 基于扩散的音频生成arXivGitHub-
01.05VALL-E: 神经编解码语言模型作为零样本文本到语音合成器arXivGitHub (非官方) (演示)-

编辑推荐精选

博思AIPPT

博思AIPPT

AI一键生成PPT,就用博思AIPPT!

博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命,一站式智能商拍平台

潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案,助力品牌曝光

稳定高效的流量提升解决方案,助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用,一键生成无水印视频

最新版Sora2模型免费使用,一键生成无水印视频

Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
商汤小浣熊

商汤小浣熊

最强AI数据分析助手

小浣熊家族Raccoon,您的AI智能助手,致力于通过先进的人工智能技术,为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答,小浣熊都能以快速、准确的响应满足您的需求,让您的生活更加智能便捷。

imini AI

imini AI

像人一样思考的AI智能体

imini 是一款超级AI智能体,能根据人类指令,自主思考、自主完成、并且交付结果的AI智能体。

下拉加载更多