语音合成
2026
[2]
- 社区交流 | 语音模型从设计到使用-通义百聆新年交流会 2026-02-05
- 技术思考 | 端到端语音交互在教育场景落地的思考 2026-01-15
2025
[4]
- 专题分享 | [slides] 基于 ARDM（自回归扩散模型）的语音合成 2025-11-03
- 语音合成 | [slides] CosyVoice 1&2：DiffRO 强化学习 2025-08-21
- 专题分享 | [slides] 重新思考 Tortoise-TTS 范式下的语音合成 2025-06-26
- 语音合成 | [slides] MegaTTS3：稀疏对齐思想下的 Flow Matching TTS 2025-04-14
2024
[4]
- 语音合成 | [slides] FireRedTTS：小红书的 TTS 实践 2024-09-25
- 语音合成 | [slides] CosyVoice：通义语音实验室 TTS 新工作 2024-07-09
- 语音合成 | [slides] NaturalSpeech3：离散 Diffusion 视角的 TTS 2024-04-01
- 语音合成 | [slides] MobileSpeech：高效的可用于移动端的 TTS 模型 2024-03-06
2023
[13]
- 专题分享 | [slides] 基于 LLM 的音频生成方案（二） 2023-11-20
- 专题分享 | [slides] 基于 LLM 的音频生成方案（一） 2023-11-13
- 语音合成 | Mega-TTS 2：基于任意长度 prompt 的零样本复刻 2023-09-16
- 语音合成 | Mega-TTS：引入先验偏置的 TTS 方案 2023-08-08
- 语音合成 | [slides] Spear TTS：基于 LLM 的分阶段语音合成 2023-06-01
- 音频生成 | AudioLM：基于语言模型的音频建模 2023-05-20
- 专题分享 | GAN 系列之三：最小二乘 GAN 2023-03-23
- 专题分享 | GAN 系列之二：GAN 的改进 2023-03-21
- 专题分享 | GAN 系列之一：GAN 的基础 2023-03-12
- 音频编解码 | Encodec：用于语音生成的低帧率编解码 2023-02-23
- 音频编解码 | SoundStream：神经网络音频编解码器 2023-01-28
- 专题分享 | [slides] 基于文本的语音编辑方案 2023-01-12
- 技术思考 | 2023 年开篇：智能语音指南 2023-01-01
2022
[14]
- 专题分享 | 基于 Adapter 的少样本 TTS 方案 2022-12-22
- 语音合成 | RetrieverTTS：基于 Perceiver 架构的语音合成方案 2022-11-28
- 专题分享 | [slides] 零/少样本音色克隆（三）：其他方案 2022-11-13
- 声码器 | Avocodo：进一步缓解伪影问题 2022-10-16
- 声码器 | BigVGAN：大规模训练的通用声码器 2022-09-15
- 专题分享 | [slides] 零/少样本音色克隆（二）：常用方案综述 2022-09-15
- 声码器 | StyleMelGAN 2022-07-21
- 声码器 | Multi-Band MelGAN：引入多频带建模 2022-07-18
- 声码器 | MelGAN：高质量语音合成声码器 2022-07-09
- 声码器 | HiFi-GAN：兼顾效率与音质的声码器 2022-06-22
- 声码器 | Featherwave：多频带的 LPC 声码器 2022-06-17
- 声码器 | LPCNet：基于线性预测的声码器 2022-06-08
- 专题分享 | [slides] 零/少样本音色克隆（一）：AdaSpeech 系列 2022-05-26
- 声码器 | WaveRNN：声码器的深度学习思路 2022-03-22