Elektrotechnik und Systemtechnik - Audio- und Sprachverarbeitung

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.

BigCodec verbessert die Klangqualität bei Audioübertragungen mit niedriger Bitrate.

Neue Methode verbessert die Tonaufnahme mit runden Mikrofonen für bessere Audioqualität.

In diesem Artikel geht's um die Vorteile, Transformer-Modelle für Sprachaufgaben zu vereinfachen.

Sortformer integriert Sprecherdiarisierung und ASR für eine verbesserte Audioverarbeitung.

Ein neuer Ansatz, um realistische Klavierklänge durch Klangkomponententrennung zu erzeugen.

ParaEVITS verbessert den emotionalen Ausdruck in TTS durch natürliche Sprachführung.

Lerne, wie Audio-Inpainting fehlende Teile von Signalen wiederherstellt.

Neue Methoden verbessern das Verständnis gesprochener Sprache durch innovative Datensätze.

Neue Methoden verbessern die Mensch-Roboter-Konversation, indem sie die Sprachklarheit erhöhen.

Neue Methoden verbessern den Zugang zu gesprochenen Nachrichten, indem sie Themen effektiver segmentieren.

Diese Forschung analysiert Mambas Leistung bei Sprachaufgaben und legt den Fokus auf Klangrekonstruktion und -erkennung.

Eine neue Methode zum Musiktagging mit Few-Shot-Learning zeigt vielversprechende Ergebnisse.

FlowSep bringt ne Methode raus, um Sounds mit Sprachabfragen zu extrahieren.

SSR-Speech bietet neue Lösungen für Sprachgenerierung und -bearbeitung an.

Fortschritte in der KI machen Fake-Audio alltäglich, was die Notwendigkeit für Erkennung erhöht.

Neues Modell verbessert die Sprachgenerierung in verschiedenen Dialekten von Tonakzentsprachen.

Eine neue Methode verbessert die Genauigkeit der Schalllokalisation und sorgt gleichzeitig für Datensicherheit.

Eine neue Methode zur Erstellung von strukturierter Popmusik mithilfe graphbasierter Techniken.

Eine neue Methode zur Verbesserung des Keyword-Spotting, während das erlernte Wissen erhalten bleibt.

Forscher entwickeln einen Datensatz, um die Spracherkennung und Analyse-Techniken zu verbessern.

SoloAudio verbessert die Klange extraction durch fortschrittliche Techniken und synthetische Daten.

OpenACE bietet einen fairen Massstab, um Audio-Codecs unter verschiedenen Bedingungen zu bewerten.

Eine Methode zur Identifizierung von Fehlern in Elektromotoren durch Klanganalyse und bayesianische neuronale Netze.

Spracherkennungsmodelle entwickeln sich weiter mit Multi-Token-Vorhersage für schnellere Antworten.

Bemühungen, die Sprachtechnologie für die unterversorgte Faetar-Sprache zu verbessern.

Eine neue Zero-Shot-Methode verbessert die Genauigkeit der Sprachumwandlung und minimiert Tonverlust.

Studie zeigt, wie sich Töne im alltäglichen taiwanesischen Mandarin-Sprech ändern.

Neue Methode verbessert die Erkennung von Parkinson durch Sprachanalyse mit moderner Technologie.

Neuer Ansatz verbessert die Sprachisolierung in gemischten Audio-Umgebungen mit diskreten Tokens.