Das EMO-SUPERB-Projekt verbessert die Spracherkennung von Emotionen durch verbesserte Techniken und Zusammenarbeit in der Community.
― 7 min Lesedauer
Computerwissenschaften - Ton
RSSEin neues System, um die Leistung von Audio-Codecs in verschiedenen Anwendungen zu bewerten.
― 7 min Lesedauer
Diese Studie untersucht, wie die Batch-Grösse die Leistung und das Training von Sprachmodellen beeinflusst.
― 7 min Lesedauer
Entdecke, wie KI die Musikproduktion durch die Zusammenarbeit mit Menschen verändert.
― 8 min Lesedauer
ASV-Systeme verbessern, um die Stimmen von Kindern genau zu erkennen.
― 9 min Lesedauer
Neue Technologie verbessert die Genauigkeit der Diagnose von Lungenerkrankungen durch Klanganalyse.
― 7 min Lesedauer
Untersuchen, wie Klang und Sicht zusammen das Verständnis von Daten verbessern.
― 6 min Lesedauer
Neue Methoden verbessern die Zugänglichkeit und Genauigkeit bei Audiountertitelung.
― 6 min Lesedauer
Lern, wie du gefälschte Audioanrufe mit innovativen Challenge-Response-Techniken erkennst.
― 6 min Lesedauer
CustomListener erstellt realistische Avatare, die dynamisch auf Gespräche reagieren.
― 7 min Lesedauer
Die Forschung zeigt, dass das Timing wichtiger ist als bestimmte Merkmale der Sprecher in Diarisierungsmodellen.
― 6 min Lesedauer
Neue Methode verbessert die Sprachsynthese für Menschen, die nicht sprechen können.
― 7 min Lesedauer
Ein Blick auf MONA, ein System, das die stille Sprachkommunikation verbessert.
― 5 min Lesedauer
Eine Übersicht über ASR und seine Fortschritte in modernen Anwendungen.
― 4 min Lesedauer
Neue Methoden erkunden, um die Spracherkennung von Emotionen mit natürlichen Daten zu verbessern.
― 5 min Lesedauer
Die Forschung konzentriert sich darauf, Robotern zu helfen, Sprache besser zu verstehen, auch wenn Hintergrundgeräusche da sind.
― 6 min Lesedauer
Diese Studie bringt die Musikpädagogik voran, indem sie die Bewertung der Schwierigkeit von Klavierstücken automatisiert.
― 6 min Lesedauer
Ein neuer Benchmark bewertet die Leistung von Spracherkennungssystemen unter verschiedenen Störungen.
― 5 min Lesedauer
Die Rolle von KI beim Gestalten von Musik durch fortgeschrittene Techniken und Strukturen erkunden.
― 6 min Lesedauer
Eine neue Methode verbessert die Leistung und Effizienz von Sprachmodellen in lauten Umgebungen.
― 6 min Lesedauer
Eine neue Methode kombiniert traditionelle Techniken mit neuronalen Netzen für eine bessere Schalllokalisierung.
― 5 min Lesedauer
Ein neuer Ansatz, um die akustische Wahrnehmung zu verbessern, ohne die Audioqualität zu beeinträchtigen.
― 7 min Lesedauer
Ein neues System verbessert die Erstellung realistischer Gesten nur mit Sprachaudio.
― 6 min Lesedauer
Notochord verbessert die Echtzeit-MIDI-Musikproduktion mit KI für reichhaltigere Performances.
― 6 min Lesedauer
Eine Methode für intuitivere Steuerung von Gesangsstimmen mit natürlichen Sprachbefehlen.
― 7 min Lesedauer
Das neue Modell emoDARTS verbessert die Genauigkeit bei der Erkennung von Sprachemotionen durch Deep Learning.
― 7 min Lesedauer
Eine Studie zur Verbesserung von TTS-Systemen mit vielfältigen Sprachproben.
― 5 min Lesedauer
Neue Tools verbessern die Bearbeitung und Produktionsqualität von Sprachaufnahmen.
― 5 min Lesedauer
Neue Modelle verbessern die Duett-Interaktionen in virtuellen Tanzaufführungen.
― 7 min Lesedauer
Entdeck, wie generative Equalization alten Musikaufnahmen neues Leben einhaucht.
― 7 min Lesedauer
Forschung identifiziert und klassifiziert die Sorani-Kurdisch-Dialekte mit Hilfe umfangreicher Audioaufnahmen.
― 6 min Lesedauer
Eine neue Methode verbessert die Klangverarbeitung durch automatisches Tuning von Feedback-Delay-Netzwerken.
― 7 min Lesedauer
Eine neue Methode verbessert die Sprachauswertung mit kompletten Aufnahmen.
― 7 min Lesedauer
Ein neuer Ansatz, um zu bewerten, wie gut Musik auf Audioaufforderungen reagiert.
― 8 min Lesedauer
Ein neuer Datensatz verbessert, wie Roboter reale Umgebungen interpretieren.
― 7 min Lesedauer
Diese Methode verbessert die Audio-Trennung, indem sie Sprachbeschreibungen mit Klanganalysen kombiniert.
― 6 min Lesedauer
UniAV kombiniert Aktionslokalisierung, Geräuscherkennung und audio-visuelle Ereignislokalisierung für ein besseres Videoverstehen.
― 8 min Lesedauer
CLaM-TTS verbessert die Sprachsynthese mit fortschrittlichen Techniken für mehr Effizienz und Qualität.
― 6 min Lesedauer
Grafiken ermöglichen neue Einblicke in die Struktur und Beziehungen von Musik.
― 6 min Lesedauer
RALL-E verbessert die Text-zu-Sprache-Synthese für klarere, natürlichere Sprache.
― 5 min Lesedauer