Bridge-TTS

击败扩散模型，清华朱军团队基于薛定谔桥的新语音合成系统来了

近日，由清华大学计算机系朱军教授课题组发布的基于薛定谔桥的语音合成系统 [1]，凭借其「数据到数据」的生成范式，在样本质量和采样速度两方面，均击败了扩散模型的「噪声到数据」范式。论文链接：：代码实现： 2021 年起，扩散模型（diffusion models）开始成为文本到语音合成（text-to-speech, TTS）领域的核心生成方法之一，如华为诺亚方舟实验室提出的 Grad-TTS [2]、浙江大学提出的 DiffSinger [3] 等方法均实现了较高的生成质量。此后，又有众多研究工作有效提升了扩

12/25/2023 11:54:00 AM

机器之心

资讯热榜

我国首个发电行业大模型“擎源”发布，模型参数达千亿级别 Bilibili开源动漫视频生成模型AniSora V3版，一键生成多种风格动漫视频镜头 xAI控制台新增Grok4及Grok4Code引用，标志着下一代AI模型即将发布 Chai Discovery发布Chai- 2 模型：零样本抗体设计突破16-20%命中率不再单一依赖英伟达，消息称 OpenAI 首次采用谷歌 AI 芯片训练 ChatGPT Gemini2.5Pro API 免费回归，开发者社区热烈响应阿里Ovis-U1震撼发布：多模态AI三合一，开源赋能全球开发者 OpenAI 高管回应 Meta 挖角潮：正积极留人，将“重新调整”薪酬

标签云

人工智能 AI OpenAI AIGC 模型 ChatGPT DeepSeek AI绘画谷歌数据机器人大模型 Midjourney 用户智能开源微软 Meta GPT 学习图像技术 Gemini AI创作马斯克论文 Anthropic 代码英伟达算法 Stable Diffusion 芯片智能体训练开发者生成式腾讯蛋白质苹果神经网络 3D 研究生成 AI新词 Claude 机器学习计算 LLM Sora AI设计 AI for Science AI视频 GPU 人形机器人 xAI 百度华为搜索大语言模型场景 Agent 字节跳动预测深度学习伟达大型语言模型工具 Transformer 视觉 RAG 神器推荐模态 Copilot 亚马逊具身智能 LLaMA 文本算力驾驶 API