Notícias de IA e infraestrutura
Filtrar por tipo: Pesquisa3
- há 17 dias
arxiv.orgMaskGCT: síntese de fala com clonagem de voz zero-shot
Publicado em 24 de outubro de 2024, o artigo sobre o MaskGCT apresenta um modelo de texto para fala que, segundo a publicação, pode clonar uma voz usando cinco segundos de fala.
- há 18 dias arxiv.org
Como ampliar LLMs congelados para compreender áudio
Um paper datado de 28 de setembro de 2026 propõe injetar vetores condicionados por áudio no KV cache de um LLM congelado, sem ajustar os pesos do modelo.
- há 18 dias arxiv.org
Phoenix-VAD: detectar o fim da fala em diálogos por voz
Artigo publicado em 4 de setembro de 2026 apresenta um modelo baseado em LLM para detectar semanticamente o fim da fala em interações de voz full-duplex em streaming, usando treinamento com janela deslizante.
Vamos avaliar seu projeto
Respondo com escopo e proposta.