Recherche en IA : musique, audio, MIDI et images

Article SFC Figure 1 : Trois chemins de codage spectral

Modèle

2026-07-11

SFC-Locoformer : compression spectrale adaptative et limites de dialogue pour 11,8 dB DnR

Lecture intensive du journal / Séparation du son du cinéma et de la télévision

Lire l’article

Modèle

2026-07-11

Boogu-Image 0.1 : Division du travail et risque de distorsion entre les trois poids Base, Turbo et Edit

Anatomie du modèle/Génération et édition d'images

Lire l’article

Graphique officiel des performances et de la vitesse d'InfographicBench de SenseNova-U1

Modèle

2026-07-11

SenseNova-U1 Infographie V2 : plage d'évaluation de 50,3 points et limites de l'infographie

Modèle spécial/génération d'infographie

Lire l’article

Schéma d'architecture officielle de LongCat-AudioDiT : structure principale DiT, encodeur de texte et chemin variable latent de forme d'onde continue

Modèle

2026-07-11

LongCat-AudioDiT 3.5B : Écrire les conditions des enceintes dans le transformateur de diffusion audio

Lecture intensive de l'article / Clonage vocal sans échantillon

Lire l’article

AudioSep paper Figure 1 : Cadre de séparation des requêtes de texte

Modèle

2026-07-11

AudioSep-Hive : séparez les sons arbitraires avec une requête textuelle

Séparation acoustique / notes techniques

Lire l’article

Schéma officiel de la structure du réseau TIGER : pipeline global, module MSA et module F³A

Modèle

2026-07-11

BandIt et TIGER-DnR : La bataille pour l'allocation informatique de la séparation à trois pistes pour le cinéma et la télévision

Son cinéma et télévision / DnR

Lire l’article

MossFormer2 détails officiels du module de boucle

Modèle

2026-07-11

MossFormer2 et TIGER-speech : trois divisions de tâches dans le front-end vocal

Comparaison front-end vocal/technologie

Lire l’article

Carte de chaleur de la distribution sur le manche de l'article GAPS

Modèle

2026-07-11

Audio spécialisé vers MIDI : cinq modèles, cinq épreuves d'examen F1 différentes

Ces modèles disposent de poids publics, d’un branchement comme outil ou profile TelkNet, d’un choix de version explicite et d’une définition de runtime immuable. Le statut Admin commande l’affichage et l’admission des tâches ; l’activation exige E2–E4, et une route par défaut exige aussi E5.

Lire l’article

Modèle

2026-07-11

MuScriptor-large : mesure réelle et limites de 1,366 milliard de paramètres, mixage complet en MIDI multipiste

Transcription automatique de la musique

Lire l’article

Qwen-Image échantillon de bande de génération de personnages officiels

Modèle

2026-07-11

Qwen-Image, Z-Image et FLUX.2 [klein] : Les différences entre trois routes d'images ouvertes

Ouvrir l'aperçu du modèle d'image/de la technologie

Lire l’article

Exemple DIS officiel de BiRefNet : comparaison d'entrée et de sortie de la segmentation de premier plan très détaillée

Modèle

2026-07-11

BiRefNet, Moebius, VOSR et DDColor : quatre problèmes inverses, quatre voies d'échec

Restauration d'image / comparaison de modèles spéciaux

Lire l’article

dots.tts Diagramme de la structure principale de la thèse

Modèle

2026-07-11

dots.tts : variables latentes acoustiques continues, adaptation de flux et parole longue portée de 48 kHz

Synthèse vocale / Lecture intensive d'articles

Lire l’article

Schéma d'architecture officielle de YingMusic-Singer-Plus

Modèle

2026-07-11

SoulX-Singer et YingMusic-Singer-Plus : partition et référence mélodique, deux voies de synthèse vocale chantée

Synthèse chantée / comparaison d'itinéraires

Lire l’article

Aperçu de la mission officielle de YingMusic-SVC

Modèle

2026-07-11

HQ-SVC et YingMusic-SVC : démantèlement du contenu, F0, énergie et timbre de la conversion de la voix chantée

Conversion de voix chantée/Comparaison de technologies

Lire l’article

Modèle

2026-07-11

Beat This ! : suivi des battements sans fin du DBN

Récupération d'informations musicales / interprétation papier

Lire l’article

Demucs schéma de structure du transformateur hybride officiel : doubles branches de forme d'onde et de spectre, reliées par un transformateur inter-domaines au milieu

Modèle

2026-07-11

Modèle de saxophone Demucs v3 : 14,22 dB et bande étroite A/B

Séparation des instruments/Notes techniques

Lire l’article

Qwen3-TTS aperçu officiel des capacités : quatre ensembles d'interfaces conditionnelles : clonage, conception, contrôle et génération intelligente

Modèle

2026-07-11

Qwen3-TTS, Fish S2 Pro, MOSS-TTS et VoxCPM2 : quatre interfaces de condition vocale

Synthèse vocale / comparaison de modèles ouverts

Lire l’article

Vevo2 Figure 1 : Pipeline d'inférence unifié

Modèle

2026-07-11

Vevo2 : Réorganisation du chant basée sur trois conditions : contenu, timbre et rythme.

Synthèse chantée/notes techniques Article

Lire l’article

Modèle

2026-06-30

Séparation audio quatre stems : pourquoi Huge-SCNet correspond à la cible MSS

L’outil quatre stems actuel de TelkNet utilise Huge-SCNet-4stems V1.2 pour diviser un mix complet en voix, batterie, basse et autres. L’article explique ce choix par l’historique MSS, les forces et limites de Mel-Band RoFormer, la modélisation en sous-bandes de SCNet et les scores publics quatre stems.

Lire l’article

Exemple officiel de la page Krea 2 montrant une image éditoriale de scène

Modèle

2026-06-30

Krea 2 : Krea AI publie les poids Raw et Turbo pour la génération d'images

Krea AI publie Krea 2 Raw et Krea 2 Turbo sous forme de poids ouverts. Le rapport technique décrit Krea 2 comme un modèle de diffusion texte-vers-image 12B entraîné depuis zéro et détaille le filtrage des données, le pipeline de captions, le post-entraînement, l'apprentissage par renforcement et les limites de sécurité et de licence.

Lire l’article

Comparaison qualitative officielle du ChordEdit PIE-bench montrant l'édition sémantique avec préservation de l'arrière-plan

Modèle

2026-06-30

ChordEdit : transport basse énergie en une étape pour l'édition source-to-target

ChordEdit est un paper CVPR 2026 Oral / Best Student Paper Honorable Mention. Il formule l'édition d'image guidée par texte en une étape comme un problème de transport optimal dynamique entre source prompt et target prompt, puis utilise un Chord Control Field pour réduire la dérive haute énergie qui déforme les objets et abîme les arrière-plans. L'article associe la méthode à une surface d'édition avec source_prompt, target_prompt, seed, sample count, time-window et step-scale issus de la demo officielle.

Lire l’article

Image officielle de lancement Zyphra ZONOS2

Modèle

2026-06-30

Zyphra ZONOS2 : un TTS MoE ouvert pour le clonage vocal haute fidélité

Zyphra publie ZONOS2 sous Apache-2.0 : 8B paramètres au total, environ 900M actifs dans une architecture MoE TTS et plus de 6M heures de parole. TelkNet le présente comme l'outil ZONOS2 Voice Cloning TTS.

Lire l’article

Modèle

2026-06-30

Google Magenta RealTime 2 : quand un modèle musical devient un instrument jouable

Présentation technique de MRT2 couvrant l'autorégression par frames de 40 ms, le contrôle MIDI/texte/audio à faible latence, la structure 2.4B/230M, le codec SpectroStream, les embeddings MusicCoCa et les limites de la génération musicale live.

Lire l’article