CyberAgent 发布 VAE Speech Align：无监督音素对齐工具
kastnerkyle · x · 2026-08-26
CyberAgent 发布了 VAE Speech Align，这是一个基于 PyTorch 的无监督音素对齐工具。它利用变分自编码器 (VAE) 和自监督学习 (SSL) 声学特征进行可微分训练。该项目提供了英语和日语的预训练模型，并支持用户在自己的语言和数据集上训练模型。相关论文已发表于 Interspeech 2024。
「多模态」频道最新
- 开源 LoRA 让 MiniMax H3 从单张照片生成无缝 360° 环绕视频 — camenduru · 2026-10-15
- Neon Noir 风格提示词走红：双色调霓虹出图效果惊艳 — LudovicCreator · 2026-10-15
- 不学像素画了：Krea 2 Turbo 加 LoRA 5 秒批量出像素素材 — Angaisb_ · 2026-10-15
- 动画短片功夫场面揭秘：真人南拳动捕结合 Seedance 2.5 生成 — JunieLauX · 2026-10-15
- 提示词分享:黑白影像中一抹红,Crimson Footsteps 电影感人像模板 — azed_ai · 2026-10-15
- 用 Magnific One 生成以假乱真的张家界游客照,提示词全文公开 — techhalla · 2026-10-15