标签: audio

2026年7月16日

• jepa
• audio
• self-supervised
• representation-learning
• spectrogram
• masking
• curriculum-learning
• vision-transformer

2026年7月16日

• jepa
• world-model
• self-supervised
• music
• audio
• representation-learning
• stem-separation
• non-generative
• retrieval
• ismir

2026年6月25日

• audio
• speech
• music
• neural-codec
• semantic-tokens
• autoregressive
• soundstream
• w2v-bert
• textless-nlp

2026年6月25日

• any-modality
• multimodal-llm
• llama-2
• perceiver-resampler
• frozen-llm
• audio
• video
• imu
• instruction-tuning
• understanding

2026年6月25日

• audio
• text-to-audio
• text-to-music
• text-to-speech
• latent-diffusion
• self-supervised
• audiomae
• gpt-2
• unified

2026年6月25日

• video
• autoregressive
• llm
• discrete-token
• multimodal
• text-to-video
• image-to-video
• audio
• magvit-v2
• zero-shot

2026年6月25日

• omni
• mllm
• audio
• video
• image
• speech
• open-source
• vita
• siglip
• whisper
• conv-gmlp

2026年6月25日

• audio
• music-generation
• latent-diffusion
• text-to-audio
• timing-conditioning
• stereo
• vae
• clap

2026年6月25日

• video
• audio
• text-to-video
• world-model
• diffusion
• synced-audio
• cameo
• closed-source

2026年6月25日

• omni
• audio
• audio-visual
• speech
• asr
• tts
• moe
• thinker-talker
• streaming
• agent
• multilingual