Amphion工具包(v0.2)概述
声音
2025-02-12 v2 人工智能
音频与语音处理
摘要
Amphion是一个面向音频、音乐和语音生成的开源工具包，旨在降低初学者研究人员和工程师在这些领域的进入门槛。它提供了一个灵活的框架，支持各种生成任务和模型。本报告介绍了Amphion v0.2，即2024年开发的第二个主要版本。该版本 features 100K小时的开源多语言数据集、稳健的数据准备管道以及用于文本到语音、音频编码和语音转换等任务的新模型。此外，报告包括多个教程，指导用户了解新发布模型的功能和用法。
引用
@article{arxiv.2501.15442,
title = {Overview of the Amphion Toolkit (v0.2)},
author = {Jiaqi Li and Xueyao Zhang and Yuancheng Wang and Haorui He and Chaoren Wang and Li Wang and Huan Liao and Junyi Ao and Zeyu Xie and Yiqiao Huang and Junan Zhang and Zhizheng Wu},
journal= {arXiv preprint arXiv:2501.15442},
year = {2025}
}
备注
Github: https://github.com/open-mmlab/Amphion