Computerwissenschaften - Ton

Ein universeller Audio-Clip kann fortgeschrittene ASR-Modelle wie Whisper stummschalten.

Ein Gerät hilft, sich in vollen Räumen auf bestimmte Stimmen zu konzentrieren.

Eine neue Methode verbessert die Audio-Bearbeitung mit Diffusionsmodellen für präzise Änderungen.

SpeechVerse überbrückt das Verständnis von Audio und Sprachverarbeitung für eine bessere Interaktion zwischen Mensch und Computer.

Neuer Datensatz zeigt Leistungsunterschiede zwischen unterschiedlichen demografischen Gruppen bei der Nutzung von Sprachassistenten.

Dieser Artikel untersucht Schwachstellen in Sprachmodellen und Möglichkeiten, ihre Sicherheit zu verbessern.

Verstehen und Minderung von Halluzinationen bei KI für zuverlässige Leistung.

Ein neuer Ansatz nutzt graphbasierte neuronale Netze für eine effiziente Analyse von Musikdaten.

Neue Methoden verbessern die Verbindungen zwischen Audioclips und Textbeschreibungen.

ROSVOT verbessert die Genauigkeit beim Transkribieren von Gesangsstimmen, selbst in lauten Umgebungen.

Entdecke, wie grosse Sprachmodelle Kreativität durch Multimedia-Generierung steigern.

Ein Modell vorstellen, das synchronen Audio und Video mit gemischten Geräuschpegeln erzeugt.

Ein neues System verbessert die Interaktionen von Robotern, indem es überlappende Sprache herausfiltert.

Dieser Artikel bespricht ein neues einfaches Modell, um Audio aus Bildern zu generieren und umgekehrt.

Denoising-Sprachmodelle verbessern die Fehlerkorrektur in Sprach-erkennungssystemen mit synthetischen Daten.

NeRAF erstellt synchronisierten Sound und Visuals für immersive Erlebnisse in verschiedenen Bereichen.

Eine neue Methode verbessert die Audio-Video-Ausrichtung mit vortrainierten Modellen.

Tiefe Lernverfahren zur Verbesserung der akustischen Emissionsüberwachung von geschraubten Verbindungen.

Ein neuer Ansatz, um Singen und Tanzen durch fortschrittliche Computertechniken zu kombinieren.

Entdecke eine neue Methode, um Musikmixing durch Audioanalyse zu verstehen.

Lern, wie Speech Inpainting die Audioqualität in verschiedenen Bereichen wiederherstellt.

Ein neues System verbessert die Sprachklarheit in Umgebungen mit mehreren Sprechern.

Neue Methoden verbessern, wie Maschinen Emotionen in der Sprache erkennen.

Das Frieren-Modell verbessert die Audioqualität und den Sync für Videos.

Eine neue Methode erzeugt einzigartige Klänge aus Text mit einem einfachen Synthesizer.

Neue Methode verbessert die Sprachübersetzung in lauten Umgebungen und bewahrt gleichzeitig die Ausdrucksstärke.

Eine neue Methode, um Musik zu erstellen, die gut zu Videoinhalten passt.

Seed-TTS erstellt lebensechte Sprache aus Text für verschiedene Anwendungen.

Neue Methode verbessert die Umwandlung von Sprache in Gesang mithilfe von selbstüberwachtem Lernen.

StreamSpeech verbessert die Echtzeit-Sprachübersetzung in Bezug auf Effizienz und Qualität.

Ein neues Modell verbessert die Spracherkennung mit mehreren Dekodierungs-Methoden.

Eine Studie zur Verbesserung der automatischen Spracherkennung für arabische Dialekte mit effizienten Modelltechniken.

Wir stellen BLSP-Emo vor, ein Modell, das Sprache und Emotionen versteht, für bessere Interaktionen.

Eine aktuelle Studie bestätigt wichtige Ergebnisse zur Dateninterpretation mit Klang und Bildern.

Ein System, das Geräusche mit visuellen Eindrücken verbindet und dadurch das Verständnis von Maschinen verbessert.

Das neue Modell ARDiT verbessert die Text-zu-Sprache-Synthese und die Sprachbearbeitung.

Wir stellen SPICE vor, eine Aufgabe, um AI-Interaktionen mit kontextuellen Informationen zu verbessern.

Die Forschung stellt das MOSA-Dataset vor, das das Verständnis der visuellen und auditiven Aspekte von Musik verbessert.

mHuBERT-147 verarbeitet Sprache effizient in mehreren Sprachen.

Ein neuer Ansatz für Audio-Beschriftung verringert die Abhängigkeit von gepaarten Daten.