MetaがWavFlowを発表：潜在空間を省き生波形から直接44.1kHz音声を生成
Metaは音声生成モデル「WavFlow」を発表しました。従来のVAEや潜在空間圧縮を省き、生波形から直接44.1kHzの高忠実度音声を生成して無声動画に同期音声を付与できます。ただし社内ポリシーにより、公開されたのは学習スクリプトのみで完全な重みは提供されていません。
Metaは音声生成モデル「WavFlow」を発表しました。従来のVAEや潜在空間圧縮を省き、生波形から直接44.1kHzの高忠実度音声を生成して無声動画に同期音声を付与できます。ただし社内ポリシーにより、公開されたのは学習スクリプトのみで完全な重みは提供されていません。