Elektrotechnik und Systemtechnik - Audio- und Sprachverarbeitung

RSS

Ton Verbesserung der bioakustischen Ereigniserkennung mit neuen Strategien

Neue Methoden verbessern die Genauigkeit bei der Identifizierung von Tiergeräuschen aus begrenzten Daten.

Yaxiong Chen, Xueping Zhang, Yunfei Zi

2025-06-04T04:15:35+00:00 ― 5 min Lesedauer

Ton Fortschritte im Sounddesign für Augmented Reality

Neue Methode verbessert die virtuelle Klangintegration in AR-Umgebungen.

Francesc Lluís, Nils Meyer-Kahlen

2025-06-04T00:12:40+00:00 ― 6 min Lesedauer

Ton Fortschritte bei der Sprachprivatsphäre mit neuen Umwandlungstechniken

Eine neue Methode zielt darauf ab, die Sprachprivatsphäre zu wahren und gleichzeitig effektive Kommunikation zu ermöglichen.

Jacob J Webber, Oliver Watts, Gustav Eje Henter

2025-06-03T23:24:05+00:00 ― 5 min Lesedauer

Rechnen und Sprache Fortschritte in sprachlosen Sprachverarbeitungstechniken

Neue Methoden verbessern die Spracherkennung für ressourcenarme Sprachen ohne Text.

Krithiga Ramadass, Abrit Pal Singh, Srihari J

2025-06-03T18:32:35+00:00 ― 5 min Lesedauer

Rechnen und Sprache Spracheerkennung durch phonetische Techniken verbessern

Neue Methoden verbessern die Genauigkeit in Spracherkennungssystemen durch phoneticisches Verständnis.

Leonid Velikovich, Christopher Li, Diamantino Caseiro

2025-06-03T16:55:25+00:00 ― 6 min Lesedauer

Multimedia Ein neues System für die Echtzeit-Sprach- und Gestenproduktion

Dieses Framework verbessert Echtzeit-Animationen, indem es Sprache und Gesten nahtlos synchronisiert.

Zixin Guo, Jian Zhang

2025-06-03T15:18:15+00:00 ― 5 min Lesedauer

Ton Spracheerkennung mit menschlich inspirierten Merkmalen verbessern

Neue akustische Merkmale verbessern die Leistung von ASR-Systemen in lauten Umgebungen.

Muhammad A. Shah, Bhiksha Raj

2025-06-03T14:29:40+00:00 ― 5 min Lesedauer

Audio- und Sprachverarbeitung Fortschritt in der Sprachverarbeitung durch Konsistenz in der Phasenneuordnung

Eine neue Verlustfunktion verbessert die Audioqualität, indem sie Phase und Magnitude ausrichtet.

Pin-Jui Ku, Chun-Wei Ho, Hao Yen

2025-06-03T12:03:55+00:00 ― 6 min Lesedauer

Ton Neues Modell macht Text-zu-Sprache menschlicher

Ein neues TTS-Modell bringt emotionale Tiefe in computer-generierte Sprache.

Yunji Chu, Yunseob Shim, Unsang Park

2025-06-03T09:38:10+00:00 ― 6 min Lesedauer

Audio- und Sprachverarbeitung Verbesserung der Spracherkennung für Gespräche zwischen Kindern und Erwachsenen

Bewertung von Spracherkennungsmodellen für Autismus-Diagnosesitzungen.

Aditya Ashvin, Rimita Lahiri, Aditya Kommineni

2025-06-03T08:01:00+00:00 ― 6 min Lesedauer

Audio- und Sprachverarbeitung Fortschritte in der Sprachwiederherstellungstechniken

Neuere Methoden verbessern die Audio-Klarheit und -Qualität mit fortschrittlichen Modellen.

Pin-Jui Ku, Alexander H. Liu, Roman Korostik

2025-06-03T07:12:25+00:00 ― 6 min Lesedauer

Ton Neue Methode zur Erkennung von Sprachdeepfakes

Ein neuer Ansatz verbessert die Erkennung von gefälschten Audioaufnahmen.

Viola Negroni, Davide Salvi, Alessandro Ilic Mezza

2025-06-03T05:35:15+00:00 ― 5 min Lesedauer

Audio- und Sprachverarbeitung Fortschritte bei Neural Codecs mit ESPnet-Codec

ESPnet-Codec verbessert das Training und die Bewertung von neuronalen Codecs für Audio und Sprache.

Jiatong Shi, Jinchuan Tian, Yihan Wu

2025-06-03T03:09:30+00:00 ― 7 min Lesedauer

Audio- und Sprachverarbeitung Anpassen der Abtastraten für realistische Audioeffekte

Erforschen von Methoden, um RNNs für unterschiedliche Audio-Abtastraten anzupassen.

Alistair Carson, Alec Wright, Stefan Bilbao

2025-06-03T01:32:20+00:00 ― 6 min Lesedauer

Audio- und Sprachverarbeitung Whisper-Medusa: Effizienz der Spracherkennung verbessern

Neues Modell erzielt schnellere Spracherkennung, ohne die Genauigkeit zu opfern.

Yael Segal-Feldman, Aviv Shamsian, Aviv Navon

2025-06-03T00:43:45+00:00 ― 4 min Lesedauer

Audio- und Sprachverarbeitung Matryoshka-Speaker-Embeddings: Ein flexibler Ansatz zur Spracherkennung

Entdecke, wie Matryoshka-Embeddings die Effizienz und Flexibilität der Sprechererkennung verbessern.

Shuai Wang, Pengcheng Zhu, Haizhou Li

2025-06-02T20:40:50+00:00 ― 5 min Lesedauer

Ton NanoVoice: Fortschritt in personalisierter Text-zu-Sprache-Technologie

Hier ist NanoVoice, ein schnelles und effektives Text-zu-Sprache-Modell für personalisierte Audios.

Nohil Park, Heeseung Kim, Che Hyun Lee

2025-06-02T19:52:15+00:00 ― 5 min Lesedauer

Ton Fortschritte in der Anpassung von Text-zu-Sprache

Das neue Modell VoiceGuider verbessert TTS für verschiedene Sprecher.

Jiheum Yeom, Heeseung Kim, Jooyoung Choi

2025-06-02T19:03:40+00:00 ― 6 min Lesedauer

Ton Fortschritte in der mehrsprachigen Sprachumwandlung

Eine neuartige Methode, um Stimmen über Sprachen hinweg zu konvertieren und dabei einzigartige Merkmale zu bewahren.

Giuseppe Ruggiero, Matteo Testa, Jurgen Van de Walle

2025-06-02T15:49:20+00:00 ― 6 min Lesedauer

Audio- und Sprachverarbeitung Fortschritte im Text-to-Speech-Stiltransfer

Neue Techniken verbessern die Ausdrucksqualität der Sprache bei verschiedenen Sprechern.

Lucas H. Ueda, Leonardo B. de M. M. Marques, Flávio O. Simões

2025-06-02T15:00:45+00:00 ― 6 min Lesedauer

Ton Musikklassifikation mit perceptuellen Metriken verbessern

Dieser Artikel untersucht die Rolle von Wahrnehmungsmetriken in der Klassifizierung von Musikgenres.

Tashi Namgyal, Alexander Hepburn, Raul Santos-Rodriguez

2025-06-02T12:35:00+00:00 ― 5 min Lesedauer

Audio- und Sprachverarbeitung Fortschritte beim Multi-Task-Lernen in Sprachmodellen

Eine neue Methode verbessert die Sprach- und Audioverarbeitung bei verschiedenen Aufgaben.

Xiaoyu Yang, Qiujia Li, Chao Zhang

2025-06-02T10:57:50+00:00 ― 5 min Lesedauer

Audio- und Sprachverarbeitung Verbesserung der Sprecher-Diarisation in Meetings

Ein neues System verbessert die Sprecheridentifikation bei Gesprächen mit mehreren Teilnehmern.

Ruoyu Wang, Shutong Niu, Gaobin Yang

2025-06-02T06:54:55+00:00 ― 5 min Lesedauer

Audio- und Sprachverarbeitung Fortschritte in der emotionalen Text-zu-Sprache-Technologie

Ein neues Framework verbessert den emotionalen Ausdruck in TTS-Systemen.

Kun Zhou, You Zhang, Shengkui Zhao

2025-06-02T02:52:00+00:00 ― 6 min Lesedauer

Ton Drucksensoren: Ein neues Risiko fürs Abhören

Neueste Erkenntnisse zeigen, dass Drucksensoren zum Abhören verwendet werden können.

Yonatan Gizachew Achamyeleh, Mohamad Habib Fakih, Gabriel Garcia

2025-06-01T13:54:40+00:00 ― 4 min Lesedauer

Ton Fortschritte bei der Geräuscherkennung mit PMAM

Ein neuer Algorithmus verbessert die Erkennung von Klangereignissen mithilfe von selbstüberwachtem Lernen.

Pengfei Cai, Yan Song, Nan Jiang

2025-06-01T10:40:20+00:00 ― 5 min Lesedauer

Ton Die Herausforderung der Erkennung von gefälschter Sprache angehen

Die Forschung konzentriert sich darauf, Methoden zur Erkennung von realistisch gefälschter Sprache zu verbessern.

Davide Salvi, Viola Negroni, Luca Bondi

2025-06-01T09:51:45+00:00 ― 5 min Lesedauer

Maschinelles Lernen Fortschritte in der Audio-Video-Generierungstechniken

Eine neue Methode vereinfacht die Erstellung von Audio und Video für bessere Synchronisation.

Masato Ishii, Akio Hayakawa, Takashi Shibuya

2025-06-01T08:14:35+00:00 ― 6 min Lesedauer

Audio- und Sprachverarbeitung Text2FX: Audioeffekte mit Sprache vereinfachen

Steuer die Audioeffekte mit einfachen Sprachbeschreibungen für einfachere Soundanpassungen.

Annie Chu, Patrick O'Reilly, Julia Barnett

2025-06-01T00:08:45+00:00 ― 6 min Lesedauer

Ton Fortschrittliche Multi-Audio-Verarbeitung mit MALLM

Ein neues Modell und Benchmark zur Bewertung von Multi-Audio-Aufgaben vorstellen.

Yiming Chen, Xianghu Yue, Xiaoxue Gao

2025-05-31T19:17:15+00:00 ― 6 min Lesedauer

Ton Emotionen animieren für realistische sprechende Köpfe

Ein neues System modelliert die emotionale Intensität bei animierten Charakteren für mehr Realismus.

Jingyi Xu, Hieu Le, Zhixin Shu

2025-05-31T16:51:30+00:00 ― 7 min Lesedauer

Ton OpenSep: Fortschritt in der Audio-Trenntechnologie

OpenSep automatisiert die Audio-Trennung für klarere Klangerlebnisse ohne manuelle Eingaben.

Tanvir Mahmud, Diana Marculescu

2025-05-31T07:15:34+00:00 ― 6 min Lesedauer

Ton PALM: Ein neuer Ansatz zur Audioerkennung

PALM verbessert die Audioerkennung, indem es die Darstellung und Effizienz von Prompts optimiert.

Asif Hanif, Maha Tufail Agro, Mohammad Areeb Qazi

2025-05-31T01:54:50+00:00 ― 5 min Lesedauer

Audio- und Sprachverarbeitung Gitarre-Pickups verstehen: Drahtwicklungen und Stärke

Erforscht, wie Drahtwicklungen und Stärke den Sound von Gitarren-Pickups beeinflussen.

Charles Batchelor, Jack Gooding, William Marriott

2025-05-31T00:34:39+00:00 ― 7 min Lesedauer

Audio- und Sprachverarbeitung Fortschritte in der Spracherkennungstechnologie

Eine neue Methode verbessert die Spracherkennung für lange Aufnahmen.

Hao Yen, Shaoshi Ling, Guoli Ye

2025-05-30T21:54:17+00:00 ― 5 min Lesedauer

Ton Integration von Audio-Visuellen Daten für Sprachverarbeitung

Diese Studie untersucht, wie Audio, Video und Text zusammen in der Spracherkennung funktionieren.

Chen Chen, Xiaolou Li, Zehua Liu

2025-05-30T15:13:22+00:00 ― 7 min Lesedauer

Rechnen und Sprache Fortschritte bei Text-to-Speech mit neuem Intonationsmodell

Ein neues Modell verbessert die Natürlichkeit in Text-zu-Sprache-Systemen, indem es Tonhöhenmuster analysiert.

Tomilov A. A., Gromova A. Y., Svischev A. N

2025-05-30T01:51:32+00:00 ― 5 min Lesedauer

Rechnen und Sprache Fortschritt in der Sprachtechnologie für afrikanische Sprachen

Ein neues Modell verbessert die Sprachdarstellung für afrikanische Sprachen und fördert die Inklusivität in der Technologie.

Jesujoba O. Alabi, Xuechen Liu, Dietrich Klakow

2025-05-29T21:50:59+00:00 ― 5 min Lesedauer

Ton Melodie-gesteuerte KI-Musikgenerierung

Ein neues Modell verbessert die Musikproduktion mit Melodien und Textbeschreibungen.

Shaopeng Wei, Manzhen Wei, Haoyu Wang

2025-05-29T20:30:48+00:00 ― 5 min Lesedauer

Audio- und Sprachverarbeitung Fortschritte bei Sprachmodellen ohne umfangreiche Trainingsdaten

Neue Methode für Sprachmodelle verringert den Bedarf an umfangreichen Daten.

Ke-Han Lu, Zhehuai Chen, Szu-Wei Fu

2025-05-29T17:50:26+00:00 ― 6 min Lesedauer