M3-TTS: Multi-modal DiT Alignment & Mel-latent for Zero-shot High-fidelity Speech Synthesis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Xiaopeng, Qiang, Chunyu, Fu, Ruibo, Wen, Zhengqi, Liu, Xuefei, Liu, Yukun, Liang, Yuzhe, Yin, Kang, Xie, Yuankun, Xie, Heng, Li, Chenxing, Zhang, Chen, Li, Changsheng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Sound
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Keine Beschreibung verfügbar.

Ähnliche Einträge