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

SecureSpectra ofrece una nueva forma de proteger la identidad de audio contra las amenazas de deepfake.

Combinando física y geometría para mejorar las predicciones de dispersión acústica.

Un nuevo sistema para traducción de voz precisa y rápida en varios idiomas.

Un método simple para crear voces y controlar emociones en la síntesis de voz.

Mejorando MMDenseNet para una separación de música rápida y eficiente.

Un enfoque novedoso para mejorar la claridad del sonido usando técnicas avanzadas de aprendizaje profundo.

Un sistema combina audio y video para mejorar la precisión en la detección de hablantes.

Un nuevo método mejora el diálogo de las máquinas mediante datos pseudo-estéreo.

Este estudio presenta un conjunto de datos y un método para mejorar la precisión del reconocimiento de voz en chino usando Pinyin.

Técnicas innovadoras mejoran el diseño de altavoces y la dirección del sonido.

Un nuevo modelo combina datos de audio y visuales para mejorar la comprensión.

Este estudio se centra en mejorar la detección de audio deepfake usando métodos avanzados.

Usando interfaces visuales y modelos para mejorar la generación de música.

Un nuevo marco para crear efectos de sonido sincronizados en videos.

Un estudio sobre cómo mejorar la segmentación de audio integrando incrustaciones de hablante.

Este artículo presenta un sistema TTS más eficiente que se adapta a los hablantes.

Nuevos métodos mejoran los modelos de habla para idiomas con datos limitados.

Entender la incertidumbre mejora la precisión del reconocimiento emocional en situaciones del mundo real.

Un nuevo método mejora la precisión del alineamiento de fonemas para varias aplicaciones de voz.

Un estudio sobre la traducción del inglés nigeriano para mejorar la accesibilidad en las películas de Nollywood.

Este artículo presenta un sistema de doble codificador para un aprendizaje efectivo de representación del habla.

Un sistema para el reconocimiento de hablantes en audio multilingüe sin necesidad de muchos datos.

MelodyT5 ofrece un nuevo enfoque para la creación y análisis de música usando notación simbólica.

El conjunto de datos GTZAN-synth utiliza música sintética para mejorar los sistemas de etiquetado musical.

MelodyLM simplifica la creación de música usando texto y voz.

El modelo SAVE mejora la segmentación audio-visual con eficiencia y precisión.

Un nuevo modelo mejora la traducción de voz a texto usando grandes modelos de lenguaje.

La investigación presenta un modelo que conecta grabaciones de sonido con los movimientos de la boca para el habla.

Este artículo habla sobre cómo Wav2Vec2.0 procesa los sonidos del habla usando fonología.

Mejorando la tecnología de anonimización de hablantes para nueve idiomas para asegurar la privacidad.

Explorando el papel de la tecnología en mejorar la eficiencia y el bienestar de la piscicultura.

La investigación destaca el papel del video en mejorar el reconocimiento del habla en entornos ruidosos.

Un nuevo enfoque combina el análisis de voz con la protección de la privacidad para detectar demencia.

Nuevos métodos mejoran la precisión para identificar sonidos de animales en el monitoreo de la vida silvestre.

Nuevos métodos mejoran la seguridad contra el engaño de voz en los sistemas ASV.

Los avances en la clasificación de sonido mejoran la precisión del reconocimiento de audio.

Un nuevo método mejora la precisión al reconocer el habla de múltiples hablantes.

El BPE acústico mejora la inteligibilidad y la calidad del habla en sistemas TTS.

Un nuevo método mejora la claridad del habla en entornos ruidosos usando redes neuronales duales.

Nuevo método mejora el manejo de acentos en los sistemas ASR mediante códigos especializados.