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
- 分享水下墨染风格人像绘画提示词 — LudovicCreator · 2026-08-26
- LTX-2.5 实现 8GB 显存多镜头唇形同步 i2v — big-boss_97 · 2026-08-26
- SREF 参数营造焦虑动画风格：暗色线条与夸张特征 — tisch_eins · 2026-08-26
- 通义万相3.0生成长篇蒸汽朋克侦探蒙太奇 — socialwithaayan · 2026-08-26
- 展示：赛博朋克风格短片《失物招领》及完整提示词 — derhundmachtwau · 2026-08-26
- Minimax H3 与 LTX 2.5 视频生成渲染效果对比 — call-lee-free · 2026-08-26