εar-VAE：回归听觉感知的高保真音乐重建
良好的音频生成范式大概的确需要 latent。待压缩的音频无论取 patch 还是 STFT，从无到有的新 dim，本质上都承担着时域压缩的功能；但音频在不同时间尺度下有无法归纳的 semantic 周期，在频域做 polar 或原始 co…
28 0 0
声浪
良好的音频生成范式大概的确需要 latent。待压缩的音频无论取 patch 还是 STFT，从无到有的新 dim，本质上都承担着时域压缩的功能；但音频在不同时间尺度下有无法归纳的 semantic 周期，在频域做 polar 或原始 co…