MusiConGen
基于Transformer的文本到音乐生成模型
PixelPlayer是一个能够通过观看大量无标注视频学会定位产生声音的图像区域并分离输入声音成一组表示每个像素声音的组件的系统。我们的方法利用视觉和听觉双模态的自然同步特点,在不需要额外人工标注的情况下学习联合解析声音和图像的模型。该系统使用大量包含不同乐器组合独奏和二重奏演奏的训练视频进行训练。对每个视频没有提供出现了哪些乐器、它们在哪里以及它们是什么声音的监督。在测试阶段,系统的输入是一个展示不同乐器演奏的视频和单声道听觉输入。系统执行音频视觉源分离和定位,将输入声音信号分离成N个声音通道,每个通道对应不同的乐器类别。此外,系统可以定位声音并为输入视频中的每个像素分配不同的音频波形。
数据评估
关于PixelPlayer特别声明
本站趣搜呀提供的PixelPlayer都来源于网络，不保证外部链接的准确性和完整性，同时，对于该外部链接的指向，不由趣搜呀实际控制，在2025年1月25日 03:30收录时，该网页上的内容，都属于合规合法，后期网页的内容如出现违规，可以直接联系网站管理员进行删除，趣搜呀不承担任何责任。
相关导航
NovaMSS
基于AI的新一代音乐源分离工具，一键提取伴奏、人声等。
Euphonme
Euphonme是一款AI音乐创作与分享平台，用户可以描述他...
VoiceDual
AI语音转换，支持30+种语言
Maroofy
发现你会喜欢的音乐
Gladia
使用强大的AI语音转文本API，实现智能转录和翻译
Deep Sampler 2
革命性的音乐制作技术，无需编码即可创造独特音效。
Snon Lyric
AI歌词生成器，轻松创作个性化歌词
暂无评论...