11-19 更新 实时
首页/ 多模态/ 正文

Emilia2:面向可控长语音生成的大规模数据集

多模态 来源:arXiv CS/SD 2026-11-10 13:45 0 阅读 机器翻译

生成长篇语音要求模型在时间推移中保持内容、说话人身份、话轮转换和表达风格的一致性。然而,大多数公开训练语料中的样本仅持续几十秒,且公开……

原文为英文,标题与摘要由机器翻译,完整内容请阅读原文。

本文为自动采集的摘要速览

全文正在由采集器补抓,稍后刷新本页即可看到完整译文;也可先前往来源站点阅读原文。

本文由采集器自动同步

原文发布于 arXiv CS/SD(Emilia2: A Large-Scale Dataset for Controllable Long-Form Speech Generation),标题、摘要与正文由机器翻译,术语按行业惯例统一,未经人工逐句校订。

阅读原文 ↗