Copertina

GLM-TTS Technical Report

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Cui, Jiayan, Yang, Zhihan, Li, Naihan, Tian, Jiankun, Ma, Xingyu, Zhang, Yi, Chen, Guangyu, Yang, Runxuan, Cheng, Yuqing, Zhou, Yizhi, Yu, Guochen, Gu, Xiaotao, Tang, Jie
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Sound
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Modeling Music as a Time-Frequency Image: A 2D Tokenizer for Music Generation
di: Cheng, Yuqing, et al.
Pubblicazione: (2026)

MOSS-TTS Technical Report
di: Gong, Yitian, et al.
Pubblicazione: (2026)

Qwen3-TTS Technical Report
di: Hu, Hangrui, et al.
Pubblicazione: (2026)

IndexTTS 2.5 Technical Report
di: Li, Yunpei, et al.
Pubblicazione: (2026)

TTS-1 Technical Report
di: Atamanenko, Oleg, et al.
Pubblicazione: (2025)

EMORL-TTS: Reinforcement Learning for Fine-Grained Emotion Control in LLM-based TTS
di: Li, Haoxun, et al.
Pubblicazione: (2025)

Tibetan-TTS:Low-Resource Tibetan Speech Synthesis with Large Model Adaptation
di: He, Jiaxu, et al.
Pubblicazione: (2026)

QuarkAudio Technical Report
di: Liu, Chengwei, et al.
Pubblicazione: (2025)

MOSS-Audio Technical Report
di: Yang, Chen, et al.
Pubblicazione: (2026)

SponTTS: modeling and transferring spontaneous style for TTS
di: Li, Hanzhao, et al.
Pubblicazione: (2023)

MoE-TTS: Enhancing Out-of-Domain Text Understanding for Description-based TTS via Mixture-of-Experts
di: Xue, Heyang, et al.
Pubblicazione: (2025)

GLM-4-Voice: Towards Intelligent and Human-Like End-to-End Spoken Chatbot
di: Zeng, Aohan, et al.
Pubblicazione: (2024)

Robust TTS Training via Self-Purifying Flow Matching for the WildSpoof 2026 TTS Track
di: Yi, June Young, et al.
Pubblicazione: (2025)

E2 TTS: Embarrassingly Easy Fully Non-Autoregressive Zero-Shot TTS
di: Eskimez, Sefik Emre, et al.
Pubblicazione: (2024)

GLM-OCR Technical Report
di: Duan, Shuaiqi, et al.
Pubblicazione: (2026)

Enhancing Spectrogram Realism in Singing Voice Synthesis via Explicit Bandwidth Extension Prior to Vocoder
di: Yang, Runxuan, et al.
Pubblicazione: (2025)

MM-TTS: Multi-modal Prompt based Style Transfer for Expressive Text-to-Speech Synthesis
di: Guan, Wenhao, et al.
Pubblicazione: (2023)

SynTTS-Commands: A Public Dataset for On-Device KWS via TTS-Synthesized Multilingual Speech
di: Gan, Lu, et al.
Pubblicazione: (2025)

Accent-VITS:accent transfer for end-to-end TTS
di: Ma, Linhan, et al.
Pubblicazione: (2023)

EE-TTS: Emphatic Expressive TTS with Linguistic Information
di: Zhong, Yi, et al.
Pubblicazione: (2023)

Index-ASR Technical Report
di: Song, Zheshu, et al.
Pubblicazione: (2025)

DAIEN-TTS: Disentangled Audio Infilling for Environment-Aware Text-to-Speech Synthesis
di: Lu, Ye-Xin, et al.
Pubblicazione: (2025)

MOSS Transcribe Diarize Technical Report
di: AI, MOSI., et al.
Pubblicazione: (2026)

OV-InstructTTS: Towards Open-Vocabulary Instruct Text-to-Speech
di: Ren, Yong, et al.
Pubblicazione: (2026)

PFluxTTS: Hybrid Flow-Matching TTS with Robust Cross-Lingual Voice Cloning and Inference-Time Model Fusion
di: Pankov, Vikentii, et al.
Pubblicazione: (2026)

Time-Frequency-Based Attention Cache Memory Model for Real-Time Speech Separation
di: Chen, Guo, et al.
Pubblicazione: (2025)

SPMamba: State-space model is all you need in speech separation
di: Li, Kai, et al.
Pubblicazione: (2024)

Mega-TTS 2: Boosting Prompting Mechanisms for Zero-Shot Speech Synthesis
di: Jiang, Ziyue, et al.
Pubblicazione: (2023)

A Fast and Lightweight Model for Causal Audio-Visual Speech Separation
di: Sang, Wendi, et al.
Pubblicazione: (2025)

E1 TTS: Simple and Fast Non-Autoregressive TTS
di: Liu, Zhijun, et al.
Pubblicazione: (2024)

Step-Audio 2 Technical Report
di: Wu, Boyong, et al.
Pubblicazione: (2025)

I2TTS: Image-indicated Immersive Text-to-speech Synthesis with Spatial Perception
di: Zhang, Jiawei, et al.
Pubblicazione: (2024)

FlexiVoice: Enabling Flexible Style Control in Zero-Shot TTS with Natural Language Instructions
di: Chen, Dekun, et al.
Pubblicazione: (2026)

Cross-Lingual F5-TTS: Towards Language-Agnostic Voice Cloning and Speech Synthesis
di: Liu, Qingyu, et al.
Pubblicazione: (2025)

Covo-Audio Technical Report
di: Wang, Wenfu, et al.
Pubblicazione: (2026)

ED-TTS: Multi-Scale Emotion Modeling using Cross-Domain Emotion Diarization for Emotional Speech Synthesis
di: Tang, Haobin, et al.
Pubblicazione: (2024)

TouchTTS: An Embarrassingly Simple TTS Framework that Everyone Can Touch
di: Song, Xingchen, et al.
Pubblicazione: (2024)

FireRedTTS-1S: An Upgraded Streamable Foundation Text-to-Speech System
di: Guo, Hao-Han, et al.
Pubblicazione: (2025)

Perturbation Self-Supervised Representations for Cross-Lingual Emotion TTS: Stage-Wise Modeling of Emotion and Speaker
di: Gong, Cheng, et al.
Pubblicazione: (2025)

ManaTTS Persian: a recipe for creating TTS datasets for lower resource languages
di: Qharabagh, Mahta Fetrat, et al.
Pubblicazione: (2024)