GLOSSARY

audiolm

音声を言語モデル方式で生成するGoogleのモデル

2本の論文題名に登場

定義

音声を言語モデルと同じ枠組みで生成する Google の研究モデル。波形を直接扱わず、意味を担うトークンと音響の細部を担うトークンの階層に離散化し、その並びを次トークン予測で続ける。短い音声を与えると、話者の声質や話し方を保ったまま自然に続きを作れることを示した。

モデル名。音声生成