arXiv · ML· Taemin Cho, Hector Martel, Enyan Koh·· 10 天前AI 评分28
BARS:基于 Flow Matching 的节拍自适应说唱语音生成模型
BARS: Beat-Adaptive Rap Synthesis via Flow Matching
AI 导读
BARS 是发布在 ISMIR 2026 的非自回归说唱语音生成模型,它基于 Flow Matching 并获得了最佳论文奖提名。 模型通过 ByT5 编码器处理歌词,并提出非对称缩放 RoPE 以解决强节拍条件下的对齐不稳定问题。 该模型支持零样本音色控制,并可通过 Span Masking 实现词级编辑,实现灵活且节奏连贯的生成效果。
来源:arXiv · ML · arxiv.org