Elektrotechnik und Systemtechnik - Audio- und Sprachverarbeitung

Diese Studie untersucht, wie Melodien in verschiedenen Kulturen variieren und miteinander verbunden sind.

Ein Framework, das grosse Sprachmodelle nutzt, um authentische Audio-Dialoge zu erstellen.

Ein neuer Massstab hilft dabei, Sprach-Tokenizer für bessere Leistung zu bewerten.

Eine neue Methode verbessert die automatische Spracherkennung, indem sie die Klangreihenfolge beim Wissenstransfer beibehält.

Ein neues Modell verbessert die Spracherkennung in mehrsprachigen Gesprächen.

Diese Studie untersucht die Effektivität von LLMs in der Musikwissenschaft und deren Zuverlässigkeit.

Diese Studie untersucht, wie Lärm die Sprachwahrnehmung bei Herausforderungen verbessern kann.

Entdecke, wie ein zusätzliches Mikrofon die Geräuschrichtungserkennung in lauten Umgebungen verbessert.

Eine neue Methode verbessert die Sprachumwandlung mit weniger Samples.

Innovativer leichter Wandler verbessert die Effizienz und Genauigkeit der Spracherkennung.

Neue Methoden verbessern die Musikproduktion durch Audioanalyse und Nutzerkontrolle.

Neue Wasserzeichenmethoden schützen Creator in audiogenen Modellen.

Entdeck, wie DDSP die Effizienz und Qualität der Spracherzeugung verbessert.

Diese Studie verbessert SER durch optimierte Vorverarbeitung und effiziente Aufmerksamkeitsmodelle.

Ein Framework für die Echtzeitanpassung von Musik in Spielen und Filmen.

aTENNuate bietet eine effiziente Echtzeitverbesserung von Sprachsignalen, um die Kommunikation klarer zu machen.

Forscher erkunden Ultraschall-Echos für präzise Distanzmessungen in ruhigen Innenräumen.

Techniken zur Sprecheranonymisierung schützen persönliche Informationen und sorgen gleichzeitig für klare Kommunikation.

Neue Methoden verbessern die Sprachklarheit in lauten Umgebungen für Hörgeräte.

Ein neues Modell verbessert die stimmliche Trennung und Melodietranskription in der Musik.

Forschung zeigt, wie Neuronen in Sprachmodellen wichtige Merkmale von Schall erkennen.

Ein neues Modell optimiert die Audioproduktion, indem es Atemgeräusche automatisch entfernt.

Speech-LLMs zeigen Potenzial, haben aber Schwierigkeiten mit der Sprecheridentifikation in Gesprächen.

Ein selbstüberwachter Lernansatz verringert den Bedarf an beschrifteten Audiodaten.

Eine Studie zeigt, wie Sprachdaten dabei helfen, Emotionen bei spanischsprechenden Personen zu erkennen.

Eine neue Methode verbessert die Sprachklarheit in lauten Umgebungen.

Innovative Ansätze zielen darauf ab, die Musikqualität für Menschen mit Hörverlust zu verbessern.

GenRep bietet einen neuen Ansatz, um ungewöhnliche Maschinengeräusche mit wenig Daten zu erkennen.

TF-Mamba verbessert die Klanglokalisierung mit einem neuartigen Ansatz, der Zeit- und Frequenzdaten integriert.

Die Forschung an modularen ASR-Systemen zielt darauf ab, die Leistung in lauten Umgebungen zu verbessern.

Eine neue Methode kombiniert Bedeutung und Klang für eine verbesserte Emotionserkennung in der Sprache.

In diesem Artikel geht's um effektive Trainingsmethoden für Sprachmodelle mit selbstüberwachtem Lernen.

Eine neue Architektur verbessert die Schallerkennung in verschiedenen Umgebungen.

Ein neues Modell verbessert die Musikgenerierung, indem es sich auf einzelne Instrumente konzentriert.

Wir präsentieren DENSE, eine Methode zur Verbesserung der Sprachtrennung mit dynamischen Einbettungen.

Eine neue Methode verbessert die Audio-Transformation, während Melodie und Klangqualität erhalten bleiben.

Diese Methode verbessert die Erkennungsgenauigkeit für seltene Namen in Sprachausgaben.

Die Verbesserung der Identifizierung gesprochener Wörter durch visuelle Hinweise in unterversorgten Sprachen.

Ein neues Modell verbessert die Erkennung von Audio-Deepfakes mit kontinuierlichem Lernen.

Ein Überblick über audio-visuelle Sprecherdiarisierungsmethoden, Herausforderungen und Systeme.