Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Ming-UniAudio: Speech LLM for Joint Understanding, Generation and Editing with Unified Representation

Created by
  • Haebom
Category
Empty

저자

Canxiang Yan, Chunxiang Jin, Dawei Huang, Haibing Yu, Han Peng, Hui Zhan, Jie Gao, Jing Peng, Jingdong Chen, Jun Zhou, Kaimeng Ren, Ming Yang, Mingxue Yang, Qiang Xu, Qin Zhao, Ruijie Xiong, Shaoxiong Lin, Xuezhi Wang, Yi Yuan, Yifei Wu, Yongjie Lyu, Zhengyu He, Zhihao Qiu, Zhiqiang Fang, Ziyuan Huang

개요

본 논문은 음성 이해, 생성, 편집을 통합하는 새로운 프레임워크를 제시한다. 핵심은 의미적 특징과 음향적 특징을 효과적으로 통합하는 최초의 연속 토크나이저인 MingTok-Audio이다. 이를 기반으로 개발된 음성 언어 모델 Ming-UniAudio는 생성과 이해 능력의 균형을 이루며, ContextASR 벤치마크에서 12개 지표 중 8개에서 새로운 SOTA를 달성했다. 특히 중국어 음성 복제에서 0.95의 Seed-TTS-WER을 기록했다. 또한, 자연어 지침만으로 의미적 및 음향적 수정을 처리하는 최초의 음성 언어 모델인 Ming-UniAudio-Edit을 개발했다. 마지막으로, 명령어 기반 자유 형식 음성 편집을 위한 최초의 포괄적인 벤치마크인 Ming-Freeform-Audio-Edit을 도입했다. 연구의 발전을 위해 연속 오디오 토크나이저, 통합 기반 모델, 자유 형식 명령어 기반 편집 모델을 오픈 소스로 공개했다.

시사점, 한계점

시사점:
음성 이해, 생성 및 편집을 단일 프레임워크로 통합하여 새로운 성능을 달성함.
MingTok-Audio를 통해 의미적 및 음향적 특징을 효과적으로 통합하는 방법을 제시함.
Ming-UniAudio-Edit을 통해 자연어 지침 기반의 자유 형식 음성 편집을 가능하게 함.
Ming-Freeform-Audio-Edit 벤치마크를 통해 명령어 기반 음성 편집 연구의 기반을 마련함.
모델 및 관련 리소스를 오픈소스로 공개하여 연구 발전에 기여함.
한계점:
논문에서 구체적인 한계점은 명시되지 않음.
👍