Project Icon

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。

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)-
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号