Dieses Framework verbessert Echtzeit-Animationen, indem es Sprache und Gesten nahtlos synchronisiert.
― 5 min Lesedauer
Elektrotechnik und Systemtechnik - Audio- und Sprachverarbeitung
RSSNeue akustische Merkmale verbessern die Leistung von ASR-Systemen in lauten Umgebungen.
― 5 min Lesedauer
Eine neue Verlustfunktion verbessert die Audioqualität, indem sie Phase und Magnitude ausrichtet.
― 6 min Lesedauer
Ein neues TTS-Modell bringt emotionale Tiefe in computer-generierte Sprache.
― 6 min Lesedauer
Bewertung von Spracherkennungsmodellen für Autismus-Diagnosesitzungen.
― 6 min Lesedauer
Neuere Methoden verbessern die Audio-Klarheit und -Qualität mit fortschrittlichen Modellen.
― 6 min Lesedauer
Ein neuer Ansatz verbessert die Erkennung von gefälschten Audioaufnahmen.
― 5 min Lesedauer
ESPnet-Codec verbessert das Training und die Bewertung von neuronalen Codecs für Audio und Sprache.
― 7 min Lesedauer
Erforschen von Methoden, um RNNs für unterschiedliche Audio-Abtastraten anzupassen.
― 6 min Lesedauer
Neues Modell erzielt schnellere Spracherkennung, ohne die Genauigkeit zu opfern.
― 4 min Lesedauer
Entdecke, wie Matryoshka-Embeddings die Effizienz und Flexibilität der Sprechererkennung verbessern.
― 5 min Lesedauer
Hier ist NanoVoice, ein schnelles und effektives Text-zu-Sprache-Modell für personalisierte Audios.
― 5 min Lesedauer
Das neue Modell VoiceGuider verbessert TTS für verschiedene Sprecher.
― 6 min Lesedauer
Eine neuartige Methode, um Stimmen über Sprachen hinweg zu konvertieren und dabei einzigartige Merkmale zu bewahren.
― 6 min Lesedauer
Neue Techniken verbessern die Ausdrucksqualität der Sprache bei verschiedenen Sprechern.
― 6 min Lesedauer
Dieser Artikel untersucht die Rolle von Wahrnehmungsmetriken in der Klassifizierung von Musikgenres.
― 5 min Lesedauer
Eine neue Methode verbessert die Sprach- und Audioverarbeitung bei verschiedenen Aufgaben.
― 5 min Lesedauer
Ein neues System verbessert die Sprecheridentifikation bei Gesprächen mit mehreren Teilnehmern.
― 5 min Lesedauer
Ein neues Framework verbessert den emotionalen Ausdruck in TTS-Systemen.
― 6 min Lesedauer
Neueste Erkenntnisse zeigen, dass Drucksensoren zum Abhören verwendet werden können.
― 4 min Lesedauer
Ein neuer Algorithmus verbessert die Erkennung von Klangereignissen mithilfe von selbstüberwachtem Lernen.
― 5 min Lesedauer
Die Forschung konzentriert sich darauf, Methoden zur Erkennung von realistisch gefälschter Sprache zu verbessern.
― 5 min Lesedauer
Eine neue Methode vereinfacht die Erstellung von Audio und Video für bessere Synchronisation.
― 6 min Lesedauer
Steuer die Audioeffekte mit einfachen Sprachbeschreibungen für einfachere Soundanpassungen.
― 6 min Lesedauer
Ein neues Modell und Benchmark zur Bewertung von Multi-Audio-Aufgaben vorstellen.
― 6 min Lesedauer
Ein neues System modelliert die emotionale Intensität bei animierten Charakteren für mehr Realismus.
― 7 min Lesedauer
OpenSep automatisiert die Audio-Trennung für klarere Klangerlebnisse ohne manuelle Eingaben.
― 6 min Lesedauer
PALM verbessert die Audioerkennung, indem es die Darstellung und Effizienz von Prompts optimiert.
― 5 min Lesedauer
Erforscht, wie Drahtwicklungen und Stärke den Sound von Gitarren-Pickups beeinflussen.
― 7 min Lesedauer
Eine neue Methode verbessert die Spracherkennung für lange Aufnahmen.
― 5 min Lesedauer
Diese Studie untersucht, wie Audio, Video und Text zusammen in der Spracherkennung funktionieren.
― 7 min Lesedauer
Ein neues Modell verbessert die Natürlichkeit in Text-zu-Sprache-Systemen, indem es Tonhöhenmuster analysiert.
― 5 min Lesedauer
Ein neues Modell verbessert die Sprachdarstellung für afrikanische Sprachen und fördert die Inklusivität in der Technologie.
― 5 min Lesedauer
Ein neues Modell verbessert die Musikproduktion mit Melodien und Textbeschreibungen.
― 5 min Lesedauer
Neue Methode für Sprachmodelle verringert den Bedarf an umfangreichen Daten.
― 6 min Lesedauer
Lern, wie Sprachumwandlung funktioniert und welche spannenden Anwendungen es gibt.
― 5 min Lesedauer
Entdecke, wie CCI die Qualitätseinschätzungen von Multimedia verbessert.
― 7 min Lesedauer
Forscher kombinieren Audio- und visuelle Hinweise, um Lügen genauer zu erkennen.
― 6 min Lesedauer
Ein neues sprachbasiertes Netzwerk überbrückt Sprachbarrieren in Notfällen.
― 6 min Lesedauer
Lern, wie virtuelle Assistenten Nutzerbefehle besser verstehen.
― 7 min Lesedauer