英伟达 发布 AF-Synthetic 数据集, 应用在 文本到音频生成、合成字幕 领域

英伟达 本次发布的数据集 AF-Synthetic, AF-Synthetic是由英伟达研究团队创建的大规模高质量合成字幕数据集，旨在提升文本到音频生成模型的表现。该数据集包含135万条字幕，通过音频理解模型生成，并经过严格的CLAP相似度过滤，确保字幕与音频内容高度相关。数据集的创建过程涉及对多个公开音频数据集的整合与优化，最终生成了具有强音频相关性的合成字幕。AF-Synthetic主要应用于文本到音频生成领域，旨在解决现有数据集规模小、字幕质量参差不齐的问题，为模型训练提供更丰富、更高质量的数据支持。

查看AF-Synthetic

关于 英伟达 , 英伟达是一家专注于图形处理器开发的全球知名技术公司。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。