AlignAudio：噪声鲁棒语音生成双对齐框架

2026年10月15日，arXiv Artificial Intelligence 刊出 Yixuan Li 等人的研究，提出 AlignAudio——一个面向噪声鲁棒语音条件生成的统一双对齐框架。该框架基于双对齐策略：一是对齐干净语音与含噪语音的表示，以保留语义线索；二是在 flow matching 范式内强化生成级一致性，以提升条件保真度。报道称，在语音转音频（STA）和声音转换（VC）任务上，AlignAudio 在干净语音条件下性能与基线相当，在多种噪声条件下显著优于基线。该双对齐策略适用于单流和多流语音条件，并可集成到不同的 flow matching 生成框架与后训练设置中。目前报道未给出具体噪声类型、数据集、评价指标数值或代码发布信息，后续进展有待跟进。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。