Das GTZAN-synth-Datenset nutzt synthetische Musik für bessere Musik-Tagging-Systeme.
― 5 min Lesedauer
Elektrotechnik und Systemtechnik - Audio- und Sprachverarbeitung
RSSMelodyLM macht die Musikproduktion einfacher, indem es Text- und Spracheingaben nutzt.
― 7 min Lesedauer
Das SAVE-Modell verbessert die audio-visuelle Segmentierung mit Effizienz und Präzision.
― 6 min Lesedauer
Neues Modell verbessert die Sprach-zu-Text-Übersetzung mithilfe grosser Sprachmodelle.
― 7 min Lesedauer
Forschung zeigt ein Modell, das Tonaufzeichnungen mit Mundbewegungen beim Sprechen verbindet.
― 6 min Lesedauer
In diesem Artikel geht's darum, wie Wav2Vec2.0 Sprachlaute mit Phonologie verarbeitet.
― 6 min Lesedauer
Die Verbesserung der Technologie zur Anonymisierung von Sprechern in neun Sprachen, um die Privatsphäre zu gewährleisten.
― 6 min Lesedauer
Die Rolle der Technologie bei der Verbesserung der Effizienz und des Wohlbefindens in der Fischzucht erkunden.
― 6 min Lesedauer
Forschung zeigt, dass Videos die Sprachrecognition in lauten Umgebungen verbessern.
― 5 min Lesedauer
Ein neuer Ansatz kombiniert Sprachanalyse mit Datenschutz zum Erkennen von Demenz.
― 6 min Lesedauer
Neue Methoden verbessern die Genauigkeit bei der Identifizierung von Tiergeräuschen zur Überwachung von Wildtieren.
― 4 min Lesedauer
Neue Methoden verbessern die Sicherheit gegen Sprachverfälschung in ASV-Systemen.
― 7 min Lesedauer
Fortschritte in der Klangklassifizierung verbessern die Genauigkeit der Audioerkennung.
― 6 min Lesedauer
Eine neue Methode verbessert die Genauigkeit beim Erkennen von Sprache von mehreren Sprechern.
― 5 min Lesedauer
Akustisches BPE verbessert die Sprachverständlichkeit und Qualität in TTS-Systemen.
― 6 min Lesedauer
Eine neue Methode verbessert die Sprachverständlichkeit in lauten Umgebungen mit dualen neuronalen Netzwerken.
― 5 min Lesedauer
Neue Methode verbessert die Handhabung von verschiedenen Akzenten in ASR-Systemen durch spezielle Codebücher.
― 6 min Lesedauer
Neue Methoden verbessern die Genauigkeit und Effizienz von Spracherkennungssystemen.
― 6 min Lesedauer
Eine neue Methode verbessert die Schalllokalisierung in unterschiedlichen Umgebungen, indem sie sich auf kontinuierliches Lernen konzentriert.
― 6 min Lesedauer
Eine neue Methode verbessert die Erkennung von Schallereignissen, indem sie neue Audioklassen effektiv integriert.
― 7 min Lesedauer
WildDESED verbessert die Klangdetektionssysteme in lauten Wohnumgebungen.
― 6 min Lesedauer
Eine Studie zeigt, wie verschiedene Musikrichtungen unterschiedliche Gehirnbereiche aktivieren.
― 6 min Lesedauer
Wichtige Regeln für die Einreichung von Papers für NeurIPS 2024.
― 4 min Lesedauer
Diese Studie bewertet Solo-Pianovorträge mit Hilfe von Audioanalyse-Methoden.
― 5 min Lesedauer
Das XLSR-Transducer-Modell glänzt bei der Echtzeit-Transkription mit minimalen Daten.
― 6 min Lesedauer
Dieser Artikel behandelt, wie man MUSIC mit approximativer Berechnung verbessern kann, um die Leistung zu steigern.
― 7 min Lesedauer
Ein neues System verbessert die Genauigkeit und Effizienz bei der Transkription von Musik mit mehreren Instrumenten.
― 5 min Lesedauer
Ein neues Modell verbessert die Genauigkeit bei der Spracherkennung über mehrere Sprachen hinweg.
― 5 min Lesedauer
Fortschritte bei der Vorhersage der Sprachqualität mit effizienten Methoden für mobile Geräte.
― 5 min Lesedauer
Eine Methode, um den Klang in der Musikproduktion mit Synthesizern zu verbessern.
― 7 min Lesedauer
Diese Studie bewertet Sprachtechnologie in ressourcenarmen Sprachen wie Tunesisch-Arabisch.
― 5 min Lesedauer
Forschung zeigt Risiken bei Sprachmodellen, die multitaskingfähig sind, wie Whisper.
― 5 min Lesedauer
TokenVerse vereinfacht die Analyse von gesprochenen Gesprächen, indem es mehrere Aufgaben in ein einziges Modell integriert.
― 7 min Lesedauer
Neuer Datensatz verbessert die Audioerzeugung aus detaillierten Textbeschreibungen.
― 5 min Lesedauer
Ein neuer Ansatz für Künstler, um Kreativität mit KI-Audioerzeugung zu verbinden.
― 6 min Lesedauer
Die Auswirkungen von TTM-Modellen auf die Musikproduktion und Nutzererlebnisse erkunden.
― 6 min Lesedauer
Dieser Artikel untersucht die Latenz verschiedener Speaker-Diarization-Systeme in der Audioverarbeitung.
― 6 min Lesedauer
Die Sprachsynthese verbessern für eine natürlichere und ausdrucksstärkere Stimmgenerierung.
― 5 min Lesedauer
Neuer Datensatz soll die Spracherkennung für Nicht-Englisch-Muttersprachler verbessern.
― 6 min Lesedauer
Ein neues Framework, BiosERC, verbessert die Emotionserkennung, indem es die Eigenschaften des Sprechers berücksichtigt.
― 6 min Lesedauer