Elektrotechnik und Systemtechnik - Audio- und Sprachverarbeitung

Dieser Artikel untersucht die Latenz verschiedener Speaker-Diarization-Systeme in der Audioverarbeitung.

Die Sprachsynthese verbessern für eine natürlichere und ausdrucksstärkere Stimmgenerierung.

Neuer Datensatz soll die Spracherkennung für Nicht-Englisch-Muttersprachler verbessern.

Ein neues Framework, BiosERC, verbessert die Emotionserkennung, indem es die Eigenschaften des Sprechers berücksichtigt.

Diese Studie untersucht, wie die Sprachvorlieben bei verschiedenen Zuhörern variieren.

Ein neues Modell geht Vorurteile an und verbessert die Aktienkursprognosen mit unterschiedlichen Daten.

Dieser Artikel stellt eine Methode vor, um präzisen Sound aus Videos und Text zu erzeugen.

Ein neues Modell verbessert die Simulation von Saiteninstrumenten für realistischen Sound.

Eine Methode für besseren Kontrolle beim Sprachbearbeiten vorstellen.

Eine Studie zur Klassifizierung von Musik nach Epochen mithilfe von Audio-Features und Künstler-Insights.

Ein neues Modell verbessert das Studium der Tierkommunikation mit rohen Audiodaten.

Emilia stellt ein vielfältiges Datenset zur Verfügung, um Sprachgenerierungsmodelle zu verbessern.

Ein neues System verbessert die Effizienz der Signalverarbeitung durch innovative Kodierungsmethoden.

Ein Team stellt sich den Herausforderungen der Vogelrufidentifikation beim BirdCLEF 2024 Wettbewerb.

Wir stellen MERGE-Datensätze vor, um die Emotionserkennung in Musik zu verbessern.

Eine neue Methode hilft kleineren Modellen, besser abzuschneiden, indem sie Hinweise von grösseren Modellen nutzen.

Schau dir die Updates in Version 3 des Divide and Remaster Datasets an.

Eine umfassende Übersicht über Datensätze, die in Audio-Sprachmodellen verwendet werden, und deren Bedeutung.

Ein zuverlässiges Earbud-basiertes System überwacht die Atemfrequenzen während verschiedener täglicher Aktivitäten.

Die Verbesserung von Spracherkennungssystemen für Sprachen mit begrenzten Online-Daten.

Diese Studie untersucht, wie neuronale Netzwerke Sprache mithilfe von Spektrogrammen interpretieren.

Ton und Bilder kombinieren für schlauere Erkennungssysteme.

Eine Methode zur Verbesserung der Audio-Deepfake-Erkennung durch Datenaugmentierung.

Beat-It erstellt synchronisierte Tanzbewegungen, um Choreografien mühelos zu verbessern.

Forscher wollen Sounds kreieren, die zu stillen Videos passen, um das Seherlebnis zu verbessern.

Diese Studie beschäftigt sich mit den Problemen von SLU-Systemen und deren Fähigkeit zur Verallgemeinerung.

Ein selbstüberwachtes Werkzeug zur Schätzung von musikalischen Tonarten, das Expertenanmerkungen reduziert.

Diff-MST verbessert das Musik-Mixing, indem es Style-Transfer von Referenztracks anwendet.

ElasticAST ermöglicht die effiziente Verarbeitung von Audio mit variabler Länge, ohne wichtige Details zu verlieren.

Analyse von Methoden zur Identifizierung von Sängern angesichts wachsender Bedenken über Stimmklonung.

Ein neuer Ansatz verbessert die Erkennung von gemischten echten und gefälschten Audioclips.

Ein neuartiges System verbessert die Geräuscherkennung und die Entfernungsabschätzung.

Mamba zeigt vielversprechende Ergebnisse gegen Transformer bei Sprachaufgaben, besonders bei langen Eingaben.

SingFlex bietet innovative Lösungen, um vielseitige Gesangsstimmen effizient zu kreieren.

Eine Studie über die Komplexität irischer traditioneller Tanzmelodien mit Kompressionsmethoden.

RefinPaint verbessert die Musikproduktion, indem es schwache Stellen effektiv erkennt und verfeinert.

Entdecke, wie PALs die Kontrolle über Schallzonen in verschiedenen Umgebungen revolutionieren können.

Die CUSIDE-Array-Methode verbessert die Echtzeit-Spracherkennungsgenauigkeit in Multi-Channel-Systemen.

Ein neues Framework verbessert die Leistung der Sprachverifikation mit begrenzten Daten.

Neue Wege erkunden, wie KI mit Musikern durch Interpretation zusammenarbeiten kann.