Das MultiMed-Projekt verbessert die automatische Spracherkennung für bessere Kommunikation im Gesundheitswesen.
Khai Le-Duc, Phuc Phan, Tan-Hanh Pham
― 6 min Lesedauer
Hochmoderne Wissenschaft einfach erklärt
Das MultiMed-Projekt verbessert die automatische Spracherkennung für bessere Kommunikation im Gesundheitswesen.
Khai Le-Duc, Phuc Phan, Tan-Hanh Pham
― 6 min Lesedauer
Ein neuer Ansatz zur Bewertung der Audioqualität, ganz ohne saubere Referenzen.
Jozef Coldenhoff, Milos Cernak
― 6 min Lesedauer
Der ECHO-Rahmen verbessert die Genauigkeit der Klangklassifizierung mit strukturierten Labels und einem zweistufigen Lernprozess.
Pranav Gupta, Raunak Sharma, Rashmi Kumari
― 5 min Lesedauer
Neues Verfahren verbessert die Sprachklarheit, indem es visuelle Informationen integriert.
Wenze Ren, Kuo-Hsuan Hung, Rong Chao
― 5 min Lesedauer
Ein neuer Ansatz verbessert die Schätzung der Schallrichtung für sich bewegende Sprecher in schwierigen Umgebungen.
Daniel A. Mitchell, Boaz Rafaely, Anurag Kumar
― 8 min Lesedauer
Audio Moment Retrieval ermöglicht es, bestimmte Momente in langen Aufnahmen genau zu finden.
Hokuto Munakata, Taichi Nishimura, Shota Nakada
― 5 min Lesedauer
Safe Guard erkennt Hassrede in Echtzeit während Sprachinteraktionen in sozialer VR.
Yiwen Xu, Qinyang Hou, Hongyu Wan
― 6 min Lesedauer
KI entwickelt sich weiter, um natürlichere Gespräche zu führen.
Bandhav Veluri, Benjamin N Peloquin, Bokai Yu
― 6 min Lesedauer
Ein neuer Ansatz nutzt Echtzeit-MRT, um die Bewegungen bei der Sprachproduktion sichtbar zu machen.
Hong Nguyen, Sean Foley, Kevin Huang
― 6 min Lesedauer
Eine neue Methode zur Erkennung von frühen Raumreflexionen verbessert das Audioerlebnis.
Yogev Hadadi, Vladimir Tourbabin, Zamir Ben-Hur
― 7 min Lesedauer
Ein Projekt, das Sprach- und Textdatensätze für Sprachen mit begrenzten Ressourcen entwickelt.
Nikola Ljubešić, Peter Rupnik, Danijel Koržinek
― 5 min Lesedauer
Ein neues Framework verbessert die Spracherkennung und passt sich verschiedenen Sprachaufgaben an.
Junyi Peng, Ladislav Mošner, Lin Zhang
― 4 min Lesedauer
Es werden neue Methoden gebraucht, um fortschrittliche Deepfake-Sprachtechnologien zu erkennen.
Lam Pham, Phat Lam, Dat Tran
― 6 min Lesedauer
Neue Methoden verbessern die Genauigkeit bei der Identifizierung von Tiergeräuschen aus begrenzten Daten.
Yaxiong Chen, Xueping Zhang, Yunfei Zi
― 5 min Lesedauer
Neue Methode verbessert die virtuelle Klangintegration in AR-Umgebungen.
Francesc Lluís, Nils Meyer-Kahlen
― 6 min Lesedauer
Eine neue Methode zielt darauf ab, die Sprachprivatsphäre zu wahren und gleichzeitig effektive Kommunikation zu ermöglichen.
Jacob J Webber, Oliver Watts, Gustav Eje Henter
― 5 min Lesedauer
Neue Methoden verbessern die Spracherkennung für ressourcenarme Sprachen ohne Text.
Krithiga Ramadass, Abrit Pal Singh, Srihari J
― 5 min Lesedauer
Neue Methoden verbessern die Genauigkeit in Spracherkennungssystemen durch phoneticisches Verständnis.
Leonid Velikovich, Christopher Li, Diamantino Caseiro
― 6 min Lesedauer
Dieses Framework verbessert Echtzeit-Animationen, indem es Sprache und Gesten nahtlos synchronisiert.
Zixin Guo, Jian Zhang
― 5 min Lesedauer
Neue akustische Merkmale verbessern die Leistung von ASR-Systemen in lauten Umgebungen.
Muhammad A. Shah, Bhiksha Raj
― 5 min Lesedauer
Eine neue Verlustfunktion verbessert die Audioqualität, indem sie Phase und Magnitude ausrichtet.
Pin-Jui Ku, Chun-Wei Ho, Hao Yen
― 6 min Lesedauer
Ein neues TTS-Modell bringt emotionale Tiefe in computer-generierte Sprache.
Yunji Chu, Yunseob Shim, Unsang Park
― 6 min Lesedauer
Bewertung von Spracherkennungsmodellen für Autismus-Diagnosesitzungen.
Aditya Ashvin, Rimita Lahiri, Aditya Kommineni
― 6 min Lesedauer
Neuere Methoden verbessern die Audio-Klarheit und -Qualität mit fortschrittlichen Modellen.
Pin-Jui Ku, Alexander H. Liu, Roman Korostik
― 6 min Lesedauer
Ein neuer Ansatz verbessert die Erkennung von gefälschten Audioaufnahmen.
Viola Negroni, Davide Salvi, Alessandro Ilic Mezza
― 5 min Lesedauer
ESPnet-Codec verbessert das Training und die Bewertung von neuronalen Codecs für Audio und Sprache.
Jiatong Shi, Jinchuan Tian, Yihan Wu
― 7 min Lesedauer
Erforschen von Methoden, um RNNs für unterschiedliche Audio-Abtastraten anzupassen.
Alistair Carson, Alec Wright, Stefan Bilbao
― 6 min Lesedauer
Neues Modell erzielt schnellere Spracherkennung, ohne die Genauigkeit zu opfern.
Yael Segal-Feldman, Aviv Shamsian, Aviv Navon
― 4 min Lesedauer
Entdecke, wie Matryoshka-Embeddings die Effizienz und Flexibilität der Sprechererkennung verbessern.
Shuai Wang, Pengcheng Zhu, Haizhou Li
― 5 min Lesedauer
Hier ist NanoVoice, ein schnelles und effektives Text-zu-Sprache-Modell für personalisierte Audios.
Nohil Park, Heeseung Kim, Che Hyun Lee
― 5 min Lesedauer
Das neue Modell VoiceGuider verbessert TTS für verschiedene Sprecher.
Jiheum Yeom, Heeseung Kim, Jooyoung Choi
― 6 min Lesedauer
Eine neuartige Methode, um Stimmen über Sprachen hinweg zu konvertieren und dabei einzigartige Merkmale zu bewahren.
Giuseppe Ruggiero, Matteo Testa, Jurgen Van de Walle
― 6 min Lesedauer
Neue Techniken verbessern die Ausdrucksqualität der Sprache bei verschiedenen Sprechern.
Lucas H. Ueda, Leonardo B. de M. M. Marques, Flávio O. Simões
― 6 min Lesedauer
Dieser Artikel untersucht die Rolle von Wahrnehmungsmetriken in der Klassifizierung von Musikgenres.
Tashi Namgyal, Alexander Hepburn, Raul Santos-Rodriguez
― 5 min Lesedauer
Eine neue Methode verbessert die Sprach- und Audioverarbeitung bei verschiedenen Aufgaben.
Xiaoyu Yang, Qiujia Li, Chao Zhang
― 5 min Lesedauer
Ein neues System verbessert die Sprecheridentifikation bei Gesprächen mit mehreren Teilnehmern.
Ruoyu Wang, Shutong Niu, Gaobin Yang
― 5 min Lesedauer
Ein neues Framework verbessert den emotionalen Ausdruck in TTS-Systemen.
Kun Zhou, You Zhang, Shengkui Zhao
― 6 min Lesedauer
Neueste Erkenntnisse zeigen, dass Drucksensoren zum Abhören verwendet werden können.
Yonatan Gizachew Achamyeleh, Mohamad Habib Fakih, Gabriel Garcia
― 4 min Lesedauer
Ein neuer Algorithmus verbessert die Erkennung von Klangereignissen mithilfe von selbstüberwachtem Lernen.
Pengfei Cai, Yan Song, Nan Jiang
― 5 min Lesedauer
Die Forschung konzentriert sich darauf, Methoden zur Erkennung von realistisch gefälschter Sprache zu verbessern.
Davide Salvi, Viola Negroni, Luca Bondi
― 5 min Lesedauer