Ingeniería Eléctrica y Ciencia de Sistemas - Procesado de Audio y Voz

Transformando gestos para agentes virtuales con significado preservado.

Explorando cómo las redes neuronales mejoran la precisión en la localización de fuentes de sonido.

Los investigadores mejoran el reconocimiento automático del habla para Punjabi usando técnicas innovadoras de autoentrenamiento.

Nuevo modelo mejora el reconocimiento de voz en entornos ruidosos al centrarse en un solo hablante.

Nuevos métodos buscan proteger la privacidad del habla en sistemas de monitoreo de audio.

Un nuevo conjunto de datos mejora la síntesis de voz al captar la expresión emocional sin depender del texto.

Nuevas estrategias para mejorar la estabilidad del entrenamiento en la clasificación de tonos musicales.

Phoneme Hallucinator transforma la conversión de voz con datos limitados para obtener salidas más claras.

Un nuevo método crea gestos realistas a partir de audio de voz cruda.

Los investigadores desarrollan un Alineador Neuronal Latente para interpretar mejor las señales del cerebro durante las tareas de hablar.

Mejorando sistemas ASR híbridos para habla bilingüe usando unidades de grafemas.

Un nuevo modelo mejora la alineación de voz y texto para un mejor reconocimiento automático.

Lip2Vec mejora el reconocimiento visual del habla usando menos datos etiquetados.

Nuevos métodos mejoran la precisión y la velocidad en los sistemas de reconocimiento de voz.

O-1 mejora el reconocimiento de voz al optimizar métodos de autoentrenamiento.

Un nuevo método mejora el rendimiento del ASR a través de la integración de datos de texto.

La inyección de texto ayuda a reconocer información personal mientras se mantiene la privacidad.

Descubre cómo nuevas técnicas están transformando la detección de eventos sonoros para varias aplicaciones.

Explorando métodos no lineales en audio para la producción musical y el análisis del habla.

Un nuevo método para detectar el tono con precisión en música y sonido.

Radio2Text usa señales mmWave para el reconocimiento de voz en tiempo real en entornos ruidosos.

Un estudio examina la efectividad de los enmascaradores de sonido automáticos en espacios públicos.

Las redes neuronales gráficas mejoran la precisión del reconocimiento de voz al analizar las relaciones entre muestras de voz.

Un estudio que evalúa el reconocimiento de emociones en modelos de habla en seis idiomas.

El modelo AffectEcho mejora la expresión emocional en el habla generada por IA.

Este estudio mejora los modelos G2P al centrarse en las áreas propensas a errores durante el entrenamiento.

Descubre métodos que mejoran la precisión en el seguimiento de formantes para el análisis del habla.

Los investigadores desarrollan métodos basados en el habla para evaluar el Parkinson de forma más precisa.

Meta-SELD mejora la localización de eventos sonoros en diferentes entornos.

AVMIT ofrece a los investigadores información sobre cómo se relacionan el sonido y la visión en el reconocimiento de acciones.

Un nuevo modelo de IA mejora la predicción de las puntuaciones de calidad de audio.

Esta investigación examina cómo los métodos de muestreo afectan la calidad de la música generada por IA.

Un nuevo método mejora la detección de audio falso en sistemas de reconocimiento de voz.

Nuevos métodos mejoran la precisión del seguimiento del ritmo en música clásica compleja.

Una mirada a cómo la diarización de lenguaje ayuda en conversaciones multilingües.

Un nuevo marco simplifica la generación de texturas de audio al reducir las necesidades de etiquetado.

Un nuevo sistema mejora el reconocimiento de voz en lugares ruidosos usando técnicas avanzadas.

Evaluando la efectividad de la anonimización de la voz sin perder el sonido natural.

Nuevos modelos mejoran la precisión de la clasificación de audio y la resistencia al ruido y ataques.

Una visión general de las herramientas de IA para la creación musical y sus características únicas.