Elektrotechnik und Systemtechnik - Audio- und Sprachverarbeitung

Ein Blick auf Dysarthrie, ihre Erkennung und die Rolle von Technologie.

Weiche Eingaben verbessern die Spracherkennungstechnologie für bessere Leistung in lauten Umgebungen.

Die Forschung kombiniert selbstüberwachtes Lernen und neue Messtechniken für verbesserte Sprachinvertierung.

Forscher entwickeln einen neuen Ansatz, um die Sprachverständlichkeit für Benutzer von Elektrolarynges zu verbessern.

Diese Studie untersucht Trainingsstrategien, um die Erkennung von gefälschter Audio zu verbessern.

Neue Modelle passen sich an, um die Effizienz und Reaktionsfähigkeit der Spracherkennung zu verbessern.

RECAP nutzt fortschrittliche Techniken, um präzise Audio-Untertitel zu erstellen, ohne neu zu trainieren.

Ein praktischer Leitfaden, um Musiktheorie durch Harmonie und Skalen zu verstehen.

Eine neue Methode nutzt synthetische Daten, um ASR-Systeme in unbekannten Bereichen zu verbessern.

Eine neue audio-basierte Methode schätzt die Grösse von Menschenmengen, ohne die persönliche Privatsphäre zu verletzen.

Ein neuer Ansatz zur Spracherkennung verbessert die Interaktion mit Nutzern durch flexible Anweisungen.

Ein robuster Ansatz zur Identifizierung von Audioanomalien und zur Bekämpfung von Stimmfälschungen.

Ein neues Modell verbessert das Verständnis von Emotionen während Gesprächen.

Diese Studie untersucht, ob erlernte Sprachsymbole Wortfrequenzmuster nachahmen.

Wir stellen eine schnellere Methode für hochwertige Sprachsynthese mit Diffusionsmodellen vor.

HiFTNet bietet schnellere, hochwertige Sprachsynthese mit effizienten, innovativen Techniken.

Neue Methode verwandelt Stimmen mithilfe von Gesichtszügen für verschiedene Anwendungen.

AV-SUPERB bewertet Audio- und visuelle Modelle über verschiedene Aufgaben hinweg für eine bessere Leistung.

Ein neuer Ansatz verbessert die Sprecherdiarisierung, indem er semantische Daten in den Prozess integriert.

Neue Methode verbessert Geschwindigkeit und Effizienz bei der Text-zu-Audio-Generierung.

Forschung zeigt, dass die Genauigkeit beim Erkennen von Emotionen aus Sprache über verschiedene Sprachen hinweg besser geworden ist.

Erkunde, wie TTT die Sprach­erkennung verbessert, indem es sich an Ver­teilungs­verschiebungen anpasst.

Die Art und Weise, wie wir Schallquellen mit audio-visuellen Daten identifizieren, zu verbessern.

Eine Methode, um Geräusche in verschiedenen Umgebungen mit fortschrittlicher Technik zu visualisieren und vorherzusagen.

Neue Methoden kombinieren Audio und Metadaten für eine bessere Spracherkennung.

Ein System, das Sprachpräsentationsangriffe erkennt, verbessert die Sicherheit bei der Sprachbiometrie.

Die Spracherkennung von Whisper für Vietnamesisch und andere Sprachen mit geringem Ressourcengehalt verbessern.

FluentEditor verbessert die Audio-Bearbeitung, indem es sich auf natürlichen Fluss und Konsistenz konzentriert.

Echtzeitübersetzung mit fortschrittlichen Segmentierungstechniken verbessern.

Echtzeitübersetzungen durch innovative Methoden und smarte Richtlinien verbessern.

Bemühungen, ASR-Systeme für tunesisches Arabisch und Code-Switching zu verbessern.

Innovative Methoden zielen darauf ab, die Musikgenerierung an die Vorlieben der Nutzer anzupassen.

Ein neues Modell verbessert die Effizienz und Leistung der Sprachtrennung.

Ein neuer Ansatz bewertet die Audioqualität mit mehreren Mikrofonen in verschiedenen Umgebungen.

Ein neues Verfahren verbessert die Klangtrennung über verschiedene Frequenzen hinweg.

Erforsche Fortschritte bei der Echo-Unterdrückung, um die Sprachqualität zu verbessern.

Eine neue Methode verbessert die Musikgenerierung, indem sie den Aufführungskontext hinzufügt.

Ein neuer Ansatz erstellt Audio-Untertitel nur mit Text, was die Dateneffizienz verbessert.

Die Herausforderungen und Innovationen beim Abgleichen von Audioaufnahmen mit Notenblättern erkunden.

Ein neuer Ansatz nutzt selbstüberwachtes Lernen, um Audio und Notenblätter zu verknüpfen.