论文解读
PersonaPlex: Voice and Role Control for Full Duplex Conversational Speech Models
语音对话系统 | 8.5/10
语音对话系统 | 8.5/10
语音合成 | 7.0/10
音频安全 | 7.5/10
语音克隆 | 9.0/10
视频生成 | 6.5/10
语音克隆 | 6.5/10
本文针对电影配音(视觉语音克隆)中音色保真度与唇形同步难以兼得的痛点,提出了一种基于流匹配的认知同步扩散Transformer(CoSyncDiT)框架。该方法受专业配音员认知过程启发,将噪声到语音的