Copertina

Audio Conditioning for Music Generation via Discrete Bottleneck Features

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Rouard, Simon, Adi, Yossi, Copet, Jade, Roebel, Axel, Défossez, Alexandre
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Sound Audio and Speech Processing
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

An Independence-promoting Loss for Music Generation with Language Models
di: Lemercier, Jean-Marie, et al.
Pubblicazione: (2024)

MusicGen-Stem: Multi-stem music generation and edition through autoregressive modeling
di: Rouard, Simon, et al.
Pubblicazione: (2025)

Continuous Audio Language Models
di: Rouard, Simon, et al.
Pubblicazione: (2025)

Simple and Controllable Music Generation
di: Copet, Jade, et al.
Pubblicazione: (2023)

Joint Audio and Symbolic Conditioning for Temporally Controlled Text-to-Music Generation
di: Tal, Or, et al.
Pubblicazione: (2024)

Masked Audio Generation using a Single Non-Autoregressive Transformer
di: Ziv, Alon, et al.
Pubblicazione: (2024)

Enhancing TTS Stability in Hebrew using Discrete Semantic Units
di: Zeldes, Ella, et al.
Pubblicazione: (2024)

Audio Enhancement from Multiple Crowdsourced Recordings: A Simple and Effective Baseline
di: Aziz, Shiran, et al.
Pubblicazione: (2024)

Latent Watermarking of Audio Generative Models
di: Roman, Robin San, et al.
Pubblicazione: (2024)

Low-Resource Self-Supervised Learning with SSL-Enhanced TTS
di: Hsu, Po-chun, et al.
Pubblicazione: (2023)

NAST: Noise Aware Speech Tokenization for Speech Language Models
di: Messica, Shoval, et al.
Pubblicazione: (2024)

Textually Pretrained Speech Language Models
di: Hassid, Michael, et al.
Pubblicazione: (2023)

Small-E: Small Language Model with Linear Attention for Efficient Speech Synthesis
di: Lemerle, Théodor, et al.
Pubblicazione: (2024)

Fast-VGAN: Lightweight Voice Conversion with Explicit Control of F0 and Duration Parameters
di: Abrassart, Mathilde, et al.
Pubblicazione: (2025)

Auto-Regressive vs Flow-Matching: a Comparative Study of Modeling Paradigms for Text-to-Music Generation
di: Tal, Or, et al.
Pubblicazione: (2025)

Lina-Speech: Gated Linear Attention and Initial-State Tuning for Multi-Sample Prompting Text-To-Speech Synthesis
di: Lemerle, Théodor, et al.
Pubblicazione: (2024)

The Interspeech 2024 Challenge on Speech Processing Using Discrete Units
di: Chang, Xuankai, et al.
Pubblicazione: (2024)

LAST: Language Model Aware Speech Tokenization
di: Turetzky, Arnon, et al.
Pubblicazione: (2024)

MoodLoopGP: Generating Emotion-Conditioned Loop Tablature Music with Multi-Granular Features
di: Cui, Wenqian, et al.
Pubblicazione: (2024)

Low-Resource Audio Codec (LRAC): 2025 Challenge Description
di: Wojcicki, Kamil, et al.
Pubblicazione: (2025)

Amphion: An Open-Source Audio, Music and Speech Generation Toolkit
di: Zhang, Xueyao, et al.
Pubblicazione: (2023)

CAFA: a Controllable Automatic Foley Artist
di: Benita, Roi, et al.
Pubblicazione: (2025)

Discrete Audio Representations for Automated Audio Captioning
di: Tian, Jingguang, et al.
Pubblicazione: (2025)

Audio-Visual Speech Separation via Bottleneck Iterative Network
di: Zhang, Sidong, et al.
Pubblicazione: (2025)

OMAR-RQ: Open Music Audio Representation Model Trained with Multi-Feature Masked Token Prediction
di: Alonso-Jiménez, Pablo, et al.
Pubblicazione: (2025)

Enhancing Neural Audio Fingerprint Robustness to Audio Degradation for Music Identification
di: Araz, R. Oguz, et al.
Pubblicazione: (2025)

VidMusician: Video-to-Music Generation with Semantic-Rhythmic Alignment via Hierarchical Visual Features
di: Li, Sifei, et al.
Pubblicazione: (2024)

Perceptual Musical Features for Interpretable Audio Tagging
di: Lyberatos, Vassilis, et al.
Pubblicazione: (2023)

Salmon: A Suite for Acoustic Language Model Evaluation
di: Maimon, Gallil, et al.
Pubblicazione: (2024)

A Language Modeling Approach to Diacritic-Free Hebrew TTS
di: Roth, Amit, et al.
Pubblicazione: (2024)

From Audio Deepfake Detection to AI-Generated Music Detection -- A Pathway and Overview
di: Li, Yupei, et al.
Pubblicazione: (2024)

WHISTRESS: Enriching Transcriptions with Sentence Stress Detection
di: Yosha, Iddo, et al.
Pubblicazione: (2025)

StressTest: Can YOUR Speech LM Handle the Stress?
di: Yosha, Iddo, et al.
Pubblicazione: (2025)

Network Modulation Synthesis: New Algorithms for Generating Musical Audio Using Autoencoder Networks
di: Hyrkas, Jeremy
Pubblicazione: (2021)

MusicMamba: A Dual-Feature Modeling Approach for Generating Chinese Traditional Music with Modal Precision
di: Chen, Jiatao, et al.
Pubblicazione: (2024)

Intelligent Text-Conditioned Music Generation
di: Xie, Zhouyao, et al.
Pubblicazione: (2024)

MusFlow: Multimodal Music Generation via Conditional Flow Matching
di: Song, Jiahao, et al.
Pubblicazione: (2025)

Diffusion based Text-to-Music Generation with Global and Local Text based Conditioning
di: Zhang, Jisi, et al.
Pubblicazione: (2025)

FakeMusicCaps: a Dataset for Detection and Attribution of Synthetic Music Generated via Text-to-Music Models
di: Comanducci, Luca, et al.
Pubblicazione: (2024)

A Noval Feature via Color Quantisation for Fake Audio Detection
di: Wang, Zhiyong, et al.
Pubblicazione: (2024)