Computerwissenschaften - Ton

MambaFoley revolutioniert die Foley-Sound-Synthese mit besserem Timing und mehr Realismus.

Ein neues System verbessert die Akzentgenauigkeit in TTS für bessere Kommunikation.

Die Verwendung von CLAP-Embeddings verbessert Musikempfehlungssysteme erheblich.

Die Studie untersucht die Entwicklung von ASR für Amis und Seediq, mit Schwerpunkt auf der Datennutzung.

Forscher entwickeln neue Strategien, um individuelle Tiere anhand ihrer einzigartigen Geräusche zu unterscheiden.

Eine neue Methode vereinfacht die Erkennung von Sirenen für mehr Fahrzeugsicherheit.

Ein neuer Ansatz kombiniert die Erkennung von Geräuschen und die Sprechertrennung für ein besseres Audioverständnis.

Ein neuer Ansatz verbessert die ASR, indem er sich auf bestimmte Sprecherdetails konzentriert.

Eine Studie zeigt, wie Deep-Learning-Modelle Emotionen in Sprache erkennen.

Ein einfach zu bedienendes Tool, um Sprachmodelle ohne komplexen Code fein abzustimmen.

Neue Methoden verbessern die Schalldämmung aus lauten Umgebungen ohne gelabelte Daten.

Ein neuer Ansatz geht die Kanalvariationen in Sprach­erkennungssystemen an.

Eine neue Methode verbessert die Spracherkennung von Maschinen zur Sprecherverifizierung.

Ein neues Modell verbessert die Audiogenerierung mit detaillierten Text- und Soundvorgaben.

Künstliche Intelligenz verändert die Musik mit neuen Werkzeugen und Ansätzen.

MaskSR2 verbessert die Sprachklarheit und -qualität mit innovativen Techniken.

Eine neue Methode zur Erzeugung von akzentuierter Sprache durch Texttransliteration.

E1 TTS verwandelt Text schneller und effizienter in natürliche Sprache.

Wave-U-Mamba verbessert die Qualität von Sprachaufnahmen, damit man klarer kommunizieren kann.

Ein neues System sagt die Natürlichkeitswerte für synthetische Sprache mit innovativen Methoden voraus.

Eine neue Methode nutzt Audio, um die Aussprachegenauigkeit von Maschinen zu verbessern.

Neue Methoden verbessern die Audio-Synchronisation bei wechselnden Videoszenen.

Die GenSEC-Herausforderung erkunden, um die Genauigkeit der Spracherkennung zu verbessern.

Eine neuartige Bewertungsmethode für Schizophrenie mit multimodalen Daten.

Neue Methoden helfen Maschinen, einzelne Geräusche besser zu interpretieren.

Eine Übersicht über Technologien zur Erkennung von Schlüsselwörtern und deren Herausforderungen mit der Urdu-Sprache.

Forschung zeigt die Schwierigkeiten bei der Spracherkennung von Polizeifunkübertragungen.

PDMX bietet eine riesige Sammlung von Symbolmusik im öffentlichen Bereich für die KI-Entwicklung an.

Eine Studie zeigt, dass i-Vektoren mit komplexen Modellen in der Sprechererkennung konkurrieren können.

Eine Studie darüber, wie Designentscheidungen die Sprachmodelle beeinflussen.

Eine neue Methode bewertet selbstüberwachte Sprachmodelle mithilfe von Rangmessungen.

Die Studie hebt Fortschritte bei der Emotionserkennung von Robotern mit Vision Transformers hervor.

Forschung zeigt, wie wichtig eine faire Diagnose bei Atemwegserkrankungen ist.

MusicLIME hilft zu erklären, wie KI Musik durch Audio und Texte analysiert.

Entdecke, wie Quantencomputing die musikalische Kreativität mit dem Variational Quantum Harmonizer neu gestaltet.

Das MCMamba-Modell verbessert die Sprachqualität in lauten Umgebungen, indem es räumliche und spektrale Informationen nutzt.

Diese Studie bewertet Low-Latenz-Methoden zur Verbesserung der Sprachqualität in lauten Umgebungen.

Untersuchen, wie 2D- und 3D-Gesten die Kommunikation von virtuellen Charakteren beeinflussen.

Eine Studie zur Verbesserung von Spracherkennungssystemen in lauten Umgebungen.

Forscher nutzen Sprache, um verschiedene Gesundheitszustände zu identifizieren und zu überwachen.