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

La investigación se centra en clasificar el habla de niños y adultos usando datos no etiquetados.

La investigación desarrolla un modelo para medir con precisión la participación en conversaciones.

DAVIS ofrece una forma nueva de enfrentar la separación de sonido audio y visual.

Un nuevo método mejora la identificación precisa de objetos que producen sonido en videos.

DiffProsody mejora la velocidad y calidad de la síntesis de voz a través de una generación de prosodia innovadora.

Los modelos de aprendizaje profundo mejoran la reconstrucción del campo sonoro en entornos complejos.

Nueva tecnología busca restaurar la calidad de la música que se perdió por la compresión de volumen.

Nuevo método promete identificar más rápido trastornos del habla como la afasia.

Nuevo método usa sonidos ultrasónicos para confundir sistemas de reconocimiento de voz sin ser detectado.

Nuevos métodos mejoran la calidad del habla sintética usando aprendizaje auto-supervisado.

Un nuevo método mejora la transcripción de palabras clave raras en conversaciones de negocios.

El Aprendizaje Federado mejora el reconocimiento de voz mientras mantiene los datos del usuario privados.

MusicLDM transforma texto en música original, ofreciendo nuevas formas de creatividad.

Nuevos métodos mejoran la precisión para extraer melodías cantadas de audio mezclado.

Nuevo modelo mejora la claridad del habla en entornos ruidosos usando métodos innovadores.

Un estudio sobre las canciones folclóricas coreanas utilizando métodos analíticos modernos.

DiffDance crea secuencias de baile detalladas que se ajustan bien a la música.

Examinando la equidad en la tecnología de transcripción de voces cantantes entre géneros.

SeACo-Paraformer trae flexibilidad y precisión a la tecnología de reconocimiento de voz.

Este estudio explora métodos de clasificación de calidad de voz y su importancia en la comunicación.

Aprende cómo los nuevos algoritmos mejoran las técnicas de cancelación de ruido para diferentes aplicaciones.

AudioVMAF combina métricas de video para mejorar la evaluación de la calidad del audio.

Un nuevo método mejora la detección de audio falso usando modificación adaptativa de pesos.

La esteganálisis ayuda a detectar mensajes ocultos en multimedia, asegurando una comunicación segura.

Un estudio sobre cómo separar la identidad del hablante de las señales de voz para mejorar el procesamiento.

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.