論文の概要: Abstract Sound Fusion with Unconditioned Inversion Model
- arxiv url: http://arxiv.org/abs/2506.11811v1
- Date: Fri, 13 Jun 2025 14:13:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-16 17:50:49.823763
- Title: Abstract Sound Fusion with Unconditioned Inversion Model
- Title（参考訳）: 無条件インバージョンモデルを用いた抽象音波融合
- Authors: Jing Liu, EnQi Lian,
- Abstract要約: 抽象音は、リスナーに特定可能な実世界の音のイベントを開示しない。
音融合は、原音と基準音を合成して、音成分の単なる付加的な重ね合わせ以上の聴覚的特徴を示す新しい音を生成することを目的としている。
- 参考スコア（独自算出の注目度）: 3.833708891059351
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: An abstract sound is defined as a sound that does not disclose identifiable real-world sound events to a listener. Sound fusion aims to synthesize an original sound and a reference sound to generate a novel sound that exhibits auditory features beyond mere additive superposition of the sound constituents. To achieve this fusion, we employ inversion techniques that preserve essential features of the original sample while enabling controllable synthesis. We propose novel SDE and ODE inversion models based on DPMSolver++ samplers that reverse the sampling process by configuring model outputs as constants, eliminating circular dependencies incurred by noise prediction terms. Our inversion approach requires no prompt conditioning while maintaining flexible guidance during sampling.
- Abstract（参考訳）: 抽象音は、聴取者に特定可能な実世界の音事象を開示しない音として定義される。
音融合は、原音と基準音を合成して、音成分の単なる付加的な重ね合わせ以上の聴覚的特徴を示す新しい音を生成することを目的としている。
この融合を実現するために、制御可能な合成を可能にしつつ、原サンプルの本質的な特徴を保った逆変換技術を用いる。
本稿では,DPMSolver++サンプルを用いた新しいSDEおよびODEインバージョンモデルを提案する。
インバージョンアプローチでは,サンプリング中にフレキシブルガイダンスを維持しながら,プロンプトコンディショニングは不要である。
関連論文リスト
- Dynamic View Synthesis as an Inverse Problem [3.7599363231894185]
単眼ビデオからの動的ビュー合成をトレーニング不要環境における逆問題として扱う。
K次再帰雑音表現と呼ばれる新しい雑音表現を導入する。
カメラの動きから新たに見える領域を合成するために,ラテント変調を導入する。
論文 参考訳（メタデータ） (2025-06-09T17:59:47Z) - Unleashing the Power of Natural Audio Featuring Multiple Sound Sources [54.38251699625379]
ユニバーサルサウンド分離は、混合音声から異なるイベントに対応するクリーンなオーディオトラックを抽出することを目的としている。
複雑な混合音声を複数の独立したトラックに分解するために,データエンジンを利用するフレームワークであるClearSepを提案する。
実験では、ClearSepは複数の音分離タスクで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-04-24T17:58:21Z) - Synthesizer Sound Matching Using Audio Spectrogram Transformers [2.5944208050492183]
音声スペクトログラム変換器を用いた合成音声マッチングモデルを提案する。
本モデルでは,16個のパラメータの集合から生成されたサンプルのパラメータを再構成可能であることを示す。
また、音声の模倣をエミュレートする際、ドメイン外モデルの性能を示す音声例も提供する。
論文 参考訳（メタデータ） (2024-07-23T16:58:14Z) - DiffSED: Sound Event Detection with Denoising Diffusion [70.18051526555512]
生成学習の観点からSED問題を再構築する。
具体的には,騒音拡散過程において,雑音のある提案から音の時間境界を生成することを目的としている。
トレーニング中は,ノイズの多い遅延クエリを基本バージョンに変換することで,ノイズ発生過程の逆転を学習する。
論文 参考訳（メタデータ） (2023-08-14T17:29:41Z) - Period VITS: Variational Inference with Explicit Pitch Modeling for
End-to-end Emotional Speech Synthesis [19.422230767803246]
我々は,明示的な周期性生成を組み込んだ新しいエンドツーエンドテキスト音声合成モデルである Period VITS を提案する。
提案手法では,入力テキストからピッチや発声フラグなどの韻律的特徴を予測するフレームピッチ予測器を提案する。
これらの特徴から、提案した周期性発生器は、波形デコーダがピッチを正確に再現できるサンプルレベルの正弦波源を生成する。
論文 参考訳（メタデータ） (2022-10-28T07:52:30Z) - A Study on Speech Enhancement Based on Diffusion Probabilistic Model [63.38586161802788]
雑音信号からクリーンな音声信号を復元することを目的とした拡散確率モデルに基づく音声強調モデル(DiffuSE)を提案する。
実験結果から、DiffuSEは、標準化されたVoice Bankコーパスタスクにおいて、関連する音声生成モデルに匹敵する性能が得られることがわかった。
論文 参考訳（メタデータ） (2021-07-25T19:23:18Z) - CRASH: Raw Audio Score-based Generative Modeling for Controllable
High-resolution Drum Sound Synthesis [0.0]
非条件生音声合成のための新しいスコアベース生成モデルを提案する。
提案手法は,よりフレキシブルな生成機能を提供しながら,生音声におけるGANベースの手法とのギャップを埋める。
論文 参考訳（メタデータ） (2021-06-14T13:48:03Z) - HpRNet : Incorporating Residual Noise Modeling for Violin in a
Variational Parametric Synthesizer [11.4219428942199]
そこで我々は,高音域の演奏スタイルにおいて,弓音が不可欠な部分であるカルナティック・ヴァイオリン記録のデータセットを提案する。
信号の高調波成分と残差成分、およびそれらの相互依存性についての知見を得る。
論文 参考訳（メタデータ） (2020-08-19T12:48:32Z) - Unsupervised Cross-Domain Singing Voice Conversion [105.1021715879586]
任意の同一性から音声変換を行うタスクに対して,wav-to-wav生成モデルを提案する。
提案手法は,自動音声認識のタスクのために訓練された音響モデルとメロディ抽出機能の両方を用いて波形ベースジェネレータを駆動する。
論文 参考訳（メタデータ） (2020-08-06T18:29:11Z) - VaPar Synth -- A Variational Parametric Model for Audio Synthesis [78.3405844354125]
本稿では,条件付き変分オートエンコーダ(CVAE)を用いた変分パラメトリックシンセサイザVaPar Synthを提案する。
提案するモデルの性能は,ピッチを柔軟に制御した楽器音の再構成と生成によって実証する。
論文 参考訳（メタデータ） (2020-03-30T16:05:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。