Computerwissenschaften - Ton

Forscher verbessern die automatische Spracherkennung für Punjabi mit innovativen Selbsttrainingstechniken.

Neues Modell verbessert die Spracherkennung in lauten Umgebungen, indem es sich auf einen einzelnen Sprecher konzentriert.

Neue Methoden zielen darauf ab, die Sprachprivatsphäre in Audioüberwachungssystemen zu schützen.

Ein neues Datenset verbessert die Sprachsynthese, indem es emotionale Ausdrucksweise erfasst, ohne auf Text angewiesen zu sein.

Neue Strategien zur Verbesserung der Trainingsstabilität bei der Musiktonhöhenklassifikation.

Phoneme Hallucinator verwandelt die Sprachumwandlung mit wenig Daten für klarere Ergebnisse.

Eine neue Methode erstellt realistische Gesten aus rohem Sprachaudio.

Verbesserung hybrider ASR-Systeme für zweisprachige Sprache mit Graphem-Einheiten.

Ein neues Modell verbessert die Sprach- und Textausrichtung für eine bessere automatische Erkennung.

Lip2Vec verbessert die visuelle Sprach­erkennung mit weniger beschrifteten Daten.

Neue Methoden verbessern die Genauigkeit und Geschwindigkeit in Spracherkennungssystemen.

O-1 verbessert die Spracherkennung, indem es Selbstlernmethoden optimiert.

Eine neue Methode verbessert die ASR-Leistung durch die Integration von Textdaten.

Textinjektion hilft, persönliche Informationen zu erkennen, während die Privatsphäre gewahrt bleibt.

Entdecke, wie neue Techniken die Erkennung von Klängen für verschiedene Anwendungen revolutionieren.

Erforschen von nichtlinearen Methoden in Audio für Musikproduktion und Sprachanalyse.

Eine neue Methode zur genauen Tonhöhenbestimmung in Musik und Sound.

Radio2Text nutzt mmWave-Signale für die Echtzeit-Spracherkennung in lauten Umgebungen.

Eine Studie untersucht die Effektivität von automatisierten Geräuschmaskierern in öffentlichen Räumen.

Graph-neuronale Netzwerke verbessern die Genauigkeit der Sprechererkennung, indem sie die Beziehungen zwischen Sprachproben analysieren.

Eine Studie zur Bewertung der Emotionserkennung in Sprachmodellen in sechs Sprachen.

Das AffectEcho-Modell verbessert den emotionalen Ausdruck in KI-generierter Sprache.

Diese Studie verbessert G2P-Modelle, indem sie sich auf fehleranfällige Bereiche während des Trainings konzentriert.

Entdeck Methoden, die die Genauigkeit beim Formant-Tracking für Sprachanalysen verbessern.

Forscher entwickeln sprachbasierte Methoden für eine genauere Bewertung von Parkinson.

Meta-SELD verbessert die Lokalisierung von Schallereignissen in verschiedenen Umgebungen.

AVMIT gibt Forschern Einblicke, wie Sound und Vision in der Aktionserkennnung zusammenhängen.

Ein neues KI-Modell verbessert die Vorhersage von Audioqualitätsbewertung.

Diese Forschung untersucht, wie Sampling-Methoden die Qualität von KI-generierter Musik beeinflussen.

Eine neue Methode verbessert die Erkennung von gefälschtem Audio in Spracherkennungssystemen.

Neue Methoden verbessern die Genauigkeit des Beat-Trackings in komplexer klassischer Musik.

Ein Blick darauf, wie Sprachdiarisierung in mehrsprachigen Gesprächen hilft.

Ein neues Framework vereinfacht die Erstellung von Audiotexturen, indem es den Beschriftungsaufwand reduziert.

Ein neues System verbessert die Spracherkennung in lauten Umgebungen mit fortschrittlichen Techniken.

Die Wirksamkeit von Sprach-Anonymisierung bewerten, ohne den natürlichen Klang zu verlieren.

Neue Modelle verbessern die Genauigkeit der Audioklassifizierung und machen sie widerstandsfähiger gegen Lärm und Angriffe.

Eine Übersicht über KI-Tools zur Musikproduktion und ihre einzigartigen Funktionen.

Forschung untersucht Deep Learning, um Audio zu erstellen, das zu stillem Videoinhalt passt.

Eine neue Methode verbessert Tonaufnahmen mit visuellen Hinweisen.

Ein Blick darauf, wie XLS-R Modelle die Audioqualität in Online-Meetings verbessern.