会员服务
DiFlow-TTS: Compact and Low-Latency Zero-Shot Text-to-Speech with Discrete Flow Matching
Arxiv
0+阅读 · 6月16日
Dynamic Prosody Prediction in LLM-based TTS for Improving Speaker Similarity
Arxiv
0+阅读 · 6月13日
BareWave: Waveform-Native Flow-Matching Text-to-Speech
Arxiv
0+阅读 · 6月8日
FlashTTS: Fast Streaming TTS with MTP Acceleration and X-pred Mean Flow Distillation
Arxiv
0+阅读 · 6月9日
PashtoTTS-Bench: automated screening for low-resource non-Latin-script text-to-speech
Arxiv
0+阅读 · 5月26日
CosyEdit2: Speech-Editing-Oriented Reinforcement Learning Unlocks Better Zero-Shot TTS
Arxiv
0+阅读 · 5月26日
Evaluating and Rewarding LALMs for Expressive Role-Play TTS via Mean Continuation Log-Probability
Arxiv
0+阅读 · 5月27日
DUET: Unified Dual-Space Emotion Control for Diffusion and Flow-Matching Driven Text-to-Speech
Arxiv
0+阅读 · 5月20日
The Binding Effect: Analyzing How Multi-Dimensional Cues Form Gender Bias in Instruction TTS
Arxiv
0+阅读 · 3月21日
VoXtream2: Full-stream TTS with dynamic speaking rate control
Arxiv
0+阅读 · 3月13日
CTC-TTS: LLM-based dual-streaming text-to-speech with CTC alignment
Arxiv
0+阅读 · 2月23日
TTSDS2: Resources and Benchmark for Evaluating Human-Quality Text to Speech Systems
Arxiv
0+阅读 · 3月2日
LLM-to-Speech: A Synthetic Data Pipeline for Training Dialectal Text-to-Speech Models
Arxiv
0+阅读 · 2月17日
Emotion-Aligned Generation in Diffusion Text to Speech Models via Preference-Guided Optimization
Arxiv
0+阅读 · 2月6日
Emotional Dimension Control in Language Model-Based Text-to-Speech: Spanning a Broad Spectrum of Human Emotions
Arxiv
0+阅读 · 1月19日
参考链接
微信扫码咨询专知VIP会员
Top