本文へスキップ

GenAU

Snap Research による音声生成のモデル

公式サイトを見る

GenAU とは

GenAU は AutoCap の字幕モデルと GenAu の構成を合わせ、音声生成の質を高めるモデルと紹介されている。

できること

  • 人の声や環境の音を生成する
  • 用意された音声の例を試す
  • 生成のパラメータを整える

モデルの構成

  • AutoCap は付帯情報から字幕を作る
  • 音声 1D-VAE が潜在の列を生む
  • 交叉注意と全体注意の層が使われる

長所と短所

✓ 良い点

  • 音声 1D-VAE が Mel-Spectrogram から潜在列を作る
  • Q-Former が音声を少ないトークンに縮める

! 注意したい点

  • 利用は公式サイトの例から始まる
  • 生成は選んだパラメータに左右される

よくある質問

開発元は?

資料は Snap Research を開発元に挙げる。

AutoCap の役割は?

音声の付帯情報で字幕の質を高める。

最終評価日: 2026-11-15

その他 AI音楽創作 ツール

すべて見る →

評価方法