Ein neues System verbessert die Sprachklarheit in Umgebungen mit mehreren Sprechern.
― 6 min Lesedauer
Elektrotechnik und Systemtechnik - Audio- und Sprachverarbeitung
RSSNeue Methoden verbessern, wie Maschinen Emotionen in der Sprache erkennen.
― 6 min Lesedauer
Das Frieren-Modell verbessert die Audioqualität und den Sync für Videos.
― 6 min Lesedauer
Eine neue Methode erzeugt einzigartige Klänge aus Text mit einem einfachen Synthesizer.
― 8 min Lesedauer
Neue Methode verbessert die Sprachübersetzung in lauten Umgebungen und bewahrt gleichzeitig die Ausdrucksstärke.
― 5 min Lesedauer
Ein neuer Datensatz verbessert das Studium der Raga-Identifikation in der indischen Musik.
― 5 min Lesedauer
Seed-TTS erstellt lebensechte Sprache aus Text für verschiedene Anwendungen.
― 5 min Lesedauer
Neue Methode verbessert die Umwandlung von Sprache in Gesang mithilfe von selbstüberwachtem Lernen.
― 7 min Lesedauer
StreamSpeech verbessert die Echtzeit-Sprachübersetzung in Bezug auf Effizienz und Qualität.
― 5 min Lesedauer
Ein neues Modell verbessert die Spracherkennung mit mehreren Dekodierungs-Methoden.
― 7 min Lesedauer
Eine Studie zur Verbesserung der automatischen Spracherkennung für arabische Dialekte mit effizienten Modelltechniken.
― 5 min Lesedauer
Wir stellen BLSP-Emo vor, ein Modell, das Sprache und Emotionen versteht, für bessere Interaktionen.
― 5 min Lesedauer
Eine aktuelle Studie bestätigt wichtige Ergebnisse zur Dateninterpretation mit Klang und Bildern.
― 7 min Lesedauer
Neues Modell generiert Musik mit Hilfe von Text und visuellen Informationen.
― 7 min Lesedauer
Ein System, das Geräusche mit visuellen Eindrücken verbindet und dadurch das Verständnis von Maschinen verbessert.
― 7 min Lesedauer
Das neue Modell ARDiT verbessert die Text-zu-Sprache-Synthese und die Sprachbearbeitung.
― 5 min Lesedauer
Neue Methoden verbessern die Klarheit beim Isolieren von Stimmen aus Audio-Mischungen.
― 4 min Lesedauer
Wir stellen SPICE vor, eine Aufgabe, um AI-Interaktionen mit kontextuellen Informationen zu verbessern.
― 8 min Lesedauer
Die Forschung stellt das MOSA-Dataset vor, das das Verständnis der visuellen und auditiven Aspekte von Musik verbessert.
― 7 min Lesedauer
mHuBERT-147 verarbeitet Sprache effizient in mehreren Sprachen.
― 5 min Lesedauer
Ein neuer Ansatz für Audio-Beschriftung verringert die Abhängigkeit von gepaarten Daten.
― 6 min Lesedauer
Neue Methoden verbessern, wie Maschinen Emotionen in menschlicher Sprache erkennen.
― 6 min Lesedauer
Ein Blick auf neue Methoden zum Verständnis von überlappender Sprache während Gesprächen.
― 8 min Lesedauer
Untersuchung von Schwachstellen in Audio-Wasserzeichen-Methoden gegen reale Bedrohungen.
― 7 min Lesedauer
PianoMotion10M bietet detaillierte Handbewegungen, um Klavierlernenden zu helfen.
― 6 min Lesedauer
Ein neues Modell verbessert die Klanganpassung an visuelle Aktionen in Videos.
― 11 min Lesedauer
Neues Modell verbessert realistische Audioerlebnisse in virtuellen Umgebungen.
― 7 min Lesedauer
Diese Studie untersucht Audio-Methoden zur Verfolgung von Fussgängerbewegungen in städtischen Gebieten.
― 8 min Lesedauer
Ein neuer Datensatz verbessert die Erstellung von Foley-Audio für multimediale Inhalte.
― 7 min Lesedauer
Neue Methoden verbessern die Spracherkennung in lauten Umgebungen mit adaptiven Techniken.
― 7 min Lesedauer
SPEAR sagt das Klangverhalten in 3D-Räumen voraus, indem es nur minimal Daten sammelt.
― 6 min Lesedauer
Eine neue Methode verbessert die Übersetzung von gemischter Sprache in Englisch.
― 5 min Lesedauer
Eine neue Methode verbessert die Genauigkeit der Sprecherverifizierung in schwierigen Funkumgebungen.
― 7 min Lesedauer
Neue Methode zielt auf Rhythmusänderungen für heimliche Sprachangriffe ab.
― 6 min Lesedauer
GAMA verbessert die Audioverarbeitung, indem es Klang- und Sprachkenntnisse zusammenführt.
― 6 min Lesedauer
Ein neues System hilft dabei, Sprache von Geräuschen zu trennen, damit die Kommunikation klarer wird.
― 7 min Lesedauer
GigaSpeech 2 bietet ein riesiges Dataset für Sprachen mit wenig Ressourcen, um die Spracherkennung zu verbessern.
― 5 min Lesedauer
Ein neues Modell verbessert die Text-zu-Sprache-Technologie mit Effizienz und Anpassungsfähigkeit.
― 6 min Lesedauer
Eine neuartige Methode zur Optimierung der Sprachanalyse und -synthese unter Verwendung von Bewegungen des Sprachtrakt.
― 7 min Lesedauer
Diese Studie untersucht, wie Gesten das Lernen von virtuellen Agenten beeinflussen.
― 7 min Lesedauer