Un clasificador de voz preentrenado se reutiliza como columna vertebral para la generación de voz guiada por difusión. Al adjuntar una subred ligera y entrenarla bajo emparejamiento de puntuaciones de desvanecimiento, el enfoque logra alta calidad de voz con menor consumo de memoria y costo computacional, utilizando un único modelo en lugar de dos componentes entrenados por separado.
arxiv
arXiv cs.LG
·
hace 55 d
·
research
Reutilización de un clasificador de voz para generación basada en difusión
Traducido del English → Español
Importancia 2/3
Nuevo entorno de evaluación con diferenciadores
arXiv cs.LG
Hugging Face
Google DeepMind
NVIDIA
Image generation
Training methods
Voice & audio
Artículos relacionados
arxiv
arXiv cs.AI
·
hace 55 d
·
1 vista
Reutilización de un clasificador de voz para generación basada en difusión
Un clasificador de voz preentrenado se reutiliza como columna vertebral para la generación de voz guiada por difusión. Al adjuntar una subred ligera y entrenarla bajo emparejamiento de puntuaciones de denoising, el enfoque logra alta calidad de voz con menor costo de memoria y computacional, utilizando un único modelo en lugar de dos componentes entrenados por separado.
arxiv
arXiv cs.AI
·
hace 55 d
Pipeline híbrido ANN-SNN con plasticidad local
Un pipeline híbrido ANN-SNN utiliza codificadores EfficientNet preentrenados y convierte sus activaciones en trenes de picos mediante codificación por tasa. El sistema entrena un clasificador spiking CoLaNET con reglas de plasticidad local, logrando una precisión del 99.09% en el benchmark de 64 clases de ImageNet, igualando a las redes profundas convencionales.
lab
Hugging Face Blog
·
hace 23 d
·
8 vistas
Visión general de los motores de simulación para IA física: MuJoCo, Isaac Sim y Newton
Este artículo ofrece una visión general del estado actual de la simulación en IA física, explicando cómo la simulación cierra la brecha de datos para la robótica al permitir entornos de entrenamiento escalables y fotorrealistas. Describe un paradigma de tres computadoras (entrenamiento, simulación y en el robot) y clasifica los motores de simulación clave según sus capacidades específicas y casos de uso.
lab
Hugging Face Blog
·
hace 27 d
·
5 vistas
NVIDIA NeMo Automodel permite el ajuste fino distribuido de modelos de difusión con Hugging Face Diffusers
NVIDIA y Hugging Face han integrado NVIDIA NeMo Automodel con la biblioteca 🤗 Diffusers para proporcionar entrenamiento distribuido de nivel de producción para modelos de difusión de código abierto. Esta colaboración permite a los usuarios ajustar cualquier modelo en formato Diffusers en el Hub de Hugging Face sin requerir conversión de puntos de control ni reescritura del código del modelo.
lab
Hugging Face Blog
·
hace 34 d
El perfilado de PyTorch muestra que el enmascaramiento in situ elimina la copia de memoria y los despachos de SDPA a backends optimizados
Este artículo demuestra cómo perfiles los mecanismos de atención en PyTorch utilizando las trazas del perfilador para identificar cuellos de botella de rendimiento y oportunidades de optimización. Compara implementaciones ingenuas de atención frente a la Atención de Producto Punto Escalada (SDPA) integrada de PyTorch para ilustrar el comportamiento del kernel.