Últimos artículos para Audio

Nuevo conjunto de datos mejora la generación de audio a partir de descripciones de texto detalladas.

Presentamos datasets MERGE para mejorar la clasificación de emociones en la música.

Una mirada a los métodos de creación y detección de deepfakes.

Examinando cómo la retroalimentación durante colisiones moldea la experiencia del usuario en espacios VR llenos de gente.

Un nuevo enfoque mejora la detección de deepfakes usando análisis audiovisual.

Un nuevo método mejora la creación de sonido para modelos humanos 3D realistas.

Un nuevo método combina texto, emociones y audio para mejorar la detección de la salud mental.

Un proyecto que ofrece apoyo emocional a través de respuestas de audio para quienes lo necesiten.

Un nuevo modelo de texto a audio usando solo datos públicos.

OmniBind integra varios tipos de datos para mejorar la comprensión y generación de contenido.

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

Un estudio sobre cómo mejorar los métodos para detectar la compresión de audio con pérdidas para una mejor calidad de sonido.

Un nuevo modelo que sincroniza las anotaciones de acordes con el audio de la música de manera fluida.

Un marco que identifica de manera efectiva contenido deepfake a través de un análisis combinado de audio y visual.

Un nuevo enfoque combina audio, video y datos de texto para un diagnóstico efectivo de la depresión.

VAT-CMR permite que los robots recuperen objetos usando datos visuales, de audio y táctiles.

UniTalker une datasets para mejorar la precisión de la animación facial.

Style-Talker mejora las conversaciones entre humanos y máquinas a través de la profundidad emocional.

Un nuevo enfoque se centra en inconsistencias sutiles en la detección de deepfakes.

Un nuevo método combina EEG, audio y expresiones faciales para evaluar la salud mental.

Una mirada a las complejidades de identificar pistas de audio mezcladas.

Un nuevo modelo separa el timbre y la estructura para crear mejor audio.

RoboMNIST ayuda a los robots a reconocer varias actividades usando WiFi, video y audio.

X-Codec mejora la generación de audio al integrar comprensión semántica en el procesamiento.

Nuevos métodos mejoran la separación de voces en entornos ruidosos.

Un nuevo sistema genera voz a partir de texto usando datos mínimos.

Nuevos métodos de marca de agua protegen a los creadores en modelos generativos de audio.

Un nuevo marco mejora la generación de movimiento para animaciones y experiencias virtuales.

Un nuevo modelo simplifica la producción de audio al eliminar automáticamente los sonidos de respiración.

Un nuevo método mejora la transformación de audio mientras preserva la melodía y la calidad del sonido.

Este estudio evalúa redes neuronales para replicar las características de la reverberación de muelles.

ParaEVITS mejora la expresión emocional en TTS a través de la guía del lenguaje natural.

Nuevos métodos mejoran el acceso a noticias habladas al segmentar mejor los temas.

SoloAudio mejora la extracción de sonido usando técnicas avanzadas y datos sintéticos.

Nuevo modelo mejora la detección de hablantes en tiempo real y la eficiencia en la comunicación.

Un nuevo modelo mejora la generación de audio usando texto detallado y sonidos como prompts.

MusicLIME ayuda a explicar el enfoque de la IA para analizar música a través de audio y letras.

Un nuevo modelo crea audio que coincide con el video, mejorando las experiencias mediáticas.

Un nuevo enfoque integra videos de clases y diapositivas para mejorar la participación de los estudiantes.

Este estudio analiza cómo el audio, el video y el texto funcionan juntos en el reconocimiento de voz.