ITMO 用零音频初始化扩展TTS词表
热点事件持续更新
ITMO 用零音频初始化扩展TTS词表
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
ITMO大学团队提出SEAM方法，以零音频的token embedding初始化辅助条件TTS模型扩展词表；在其低资源与跨语言适配实验中，所需训练数据减少75%。 该方法结合谱低通滤波与闭式岭回归，目标是减少词表扩展时对大量配对音频微调数据的依赖，让已有TTS模型能够适配新增语音单元。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 12:17
ITMO 提出 SEAM 方法，低资源 TTS 词表扩展节省 75% 训练数据报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- AGI HuntITMO 提出 SEAM 方法，低资源 TTS 词表扩展节省 75% 训练数据
ITMO 大学团队提出 SEAM（Spectral Embedding Alignment and Merging）方法，通过零音频的 token embedding 初始化，减少条件 TTS 模型词表扩展所需的配对音频微调数据。该方法结合谱低通滤波与闭式岭回归，在低资源和跨语言适配场景下将训练数据需求降低 75%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。