Copertina

Fish Audio S2 Technical Report

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Liao, Shijia, Wang, Yuxuan, Liu, Songting, Cheng, Yifan, Zhang, Ruoyi, Li, Tianyu, Li, Shidong, Zheng, Yisheng, Liu, Xingwei, Wang, Qingzheng, Zhou, Zhizhuo, Liu, Jiahua, Chen, Xin, Han, Dawei
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Sound Artificial Intelligence Computation and Language
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Fish-Speech: Leveraging Large Language Models for Advanced Multilingual Text-to-Speech Synthesis
di: Liao, Shijia, et al.
Pubblicazione: (2024)

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

Zero-shot Voice Conversion with Diffusion Transformers
di: Liu, Songting
Pubblicazione: (2024)

FCPE: A Fast Context-based Pitch Estimation Model
di: Luo, Yuxin, et al.
Pubblicazione: (2025)

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

Dasheng AudioGen: A Unified Model for Generating Coherent Audio Scenes from Text
di: Mei, Jiahao, et al.
Pubblicazione: (2026)

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

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

Fun-Audio-Chat Technical Report
di: Tongyi Fun Team, et al.
Pubblicazione: (2025)

Kimi-Audio Technical Report
di: KimiTeam, et al.
Pubblicazione: (2025)

AudioKV: KV Cache Eviction in Efficient Large Audio Language Models
di: Wang, Yuxuan, et al.
Pubblicazione: (2026)

MIKU-PAL: An Automated and Standardized Multi-Modal Method for Speech Paralinguistic and Affect Labeling
di: Cheng, Yifan, et al.
Pubblicazione: (2025)

MiDashengLM: Efficient Audio Understanding with General Audio Captions
di: Dinkel, Heinrich, et al.
Pubblicazione: (2025)

Zero-Day Audio DeepFake Detection via Retrieval Augmentation and Profile Matching
di: Liu, Xuechen, et al.
Pubblicazione: (2025)

Zero-Shot Audio Captioning Using Soft and Hard Prompts
di: Zhang, Yiming, et al.
Pubblicazione: (2024)

Improving Multilingual Speech Models on ML-SUPERB 2.0: Fine-tuning with Data Augmentation and LID-Aware CTC
di: Wang, Qingzheng, et al.
Pubblicazione: (2025)

Robust Audio-Visual Segmentation via Audio-Guided Visual Convergent Alignment
di: Liu, Chen, et al.
Pubblicazione: (2025)

Listening Between the Frames: Bridging Temporal Gaps in Large Audio-Language Models
di: Wang, Hualei, et al.
Pubblicazione: (2025)

GOMPSNR: Reflourish the Signal-to-Noise Ratio Metric for Audio Generation Tasks
di: Dai, Lingling, et al.
Pubblicazione: (2026)

GLM-TTS Technical Report
di: Cui, Jiayan, et al.
Pubblicazione: (2025)

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

DreamAudio: Customized Text-to-Audio Generation with Diffusion Models
di: Yuan, Yi, et al.
Pubblicazione: (2025)

EVA-GAN: Enhanced Various Audio Generation via Scalable Generative Adversarial Networks
di: Liao, Shijia, et al.
Pubblicazione: (2024)

A Survey of Large Audio Language Models: Generalization, Trustworthiness, and Outlook
di: Luo, Kaiwen, et al.
Pubblicazione: (2026)

AudioMoG: Guiding Audio Generation with Mixture-of-Guidance
di: Wang, Junyou, et al.
Pubblicazione: (2025)

HeadRouter: Dynamic Head-Weight Routing for Task-Adaptive Audio Token Pruning in Large Audio Language Models
di: He, Peize, et al.
Pubblicazione: (2026)

AudioFab: Building A General and Intelligent Audio Factory through Tool Learning
di: Zhu, Cheng, et al.
Pubblicazione: (2025)

UniAudio 2.0: A Unified Audio Language Model with Text-Aligned Factorized Audio Tokenization
di: Yang, Dongchao, et al.
Pubblicazione: (2026)

AudioLCM: Text-to-Audio Generation with Latent Consistency Models
di: Liu, Huadai, et al.
Pubblicazione: (2024)

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

Dynamic Derivation and Elimination: Audio Visual Segmentation with Enhanced Audio Semantics
di: Liu, Chen, et al.
Pubblicazione: (2025)

From Coarse to Fine: Recursive Audio-Visual Semantic Enhancement for Speech Separation
di: Xue, Ke, et al.
Pubblicazione: (2025)

Human-Inspired Computing for Robust and Efficient Audio-Visual Speech Recognition
di: Liu, Qianhui, et al.
Pubblicazione: (2024)

Representation-Regularized Convolutional Audio Transformer for Audio Understanding
di: Han, Bing, et al.
Pubblicazione: (2026)

Step-Audio-R1 Technical Report
di: Tian, Fei, et al.
Pubblicazione: (2025)

ALMTokenizer: A Low-bitrate and Semantic-rich Audio Codec Tokenizer for Audio Language Modeling
di: Yang, Dongchao, et al.
Pubblicazione: (2025)

Audio-DeepThinker: Progressive Reasoning-Aware Reinforcement Learning for High-Quality Chain-of-Thought Emergence in Audio Language Models
di: He, Xiang, et al.
Pubblicazione: (2026)

Audio-Visual World Models: Towards Multisensory Imagination in Sight and Sound
di: Wang, Jiahua, et al.
Pubblicazione: (2025)

MECAT: A Multi-Experts Constructed Benchmark for Fine-Grained Audio Understanding Tasks
di: Niu, Yadong, et al.
Pubblicazione: (2025)

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