Yu Tsao

Nuevos métodos mejoran la claridad del habla para usuarios de electrolaringes.

Investigadores combinan características visuales y sonoras para mejorar el habla de los usuarios de electrolaringe.

Usando análisis de sonido y machine learning para mejorar el monitoreo de AVF.

AV-SUPERB evalúa modelos de audio y visuales en diferentes tareas para mejorar el rendimiento.

Explorando la habilidad humana para identificar videos deepfake en comparación con la detección por IA.

Examinando cómo los códecs mantienen los tonos emocionales en los datos de voz.

Un nuevo método mejora el reconocimiento automático de voz al preservar el orden del sonido en la transferencia de conocimiento.

Explorando el desafío GenSEC para mejorar la precisión de la transcripción de voz.

El modelo MCMamba mejora la calidad del habla en entornos ruidosos usando información espacial y espectral.

Un nuevo método mejora la claridad del habla al integrar información visual.

A medida que los deepfakes aumentan, la necesidad de una detección efectiva se vuelve crucial.

Explorando los desafíos y las implicaciones de la tecnología deepfake en el panorama mediático actual.

MSEMG limpia eficientemente las señales sEMG, mejorando la claridad y las posibles aplicaciones.