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

Este estudio evalúa el rendimiento de los sistemas de ASR con personas que tartamudean.

Un clip de audio universal puede silenciar modelos de ASR avanzados como Whisper.

Un dispositivo ayuda a enfocarse en voces específicas en lugares concurridos.

Un nuevo método mejora la edición de audio usando modelos de difusión para cambios precisos.

SpeechVerse conecta la comprensión de audio y el procesamiento del lenguaje para mejorar la interacción humano-computadora.

Un nuevo conjunto de datos destaca las diferencias de rendimiento entre grupos demográficos que utilizan asistentes de voz.

Este artículo investiga las vulnerabilidades en los modelos de voz y formas de mejorar su seguridad.

El reconocimiento de voz mejorado para aulas usando técnicas de entrenamiento avanzadas mejora el aprendizaje.

Entender y mitigar las alucinaciones en la IA para un rendimiento confiable.

Un nuevo enfoque utiliza redes neuronales de convolución gráfica para un análisis eficiente de datos de música.

Nuevos métodos mejoran las conexiones entre clips de audio y descripciones de texto.

ROSVOT mejora la precisión al transcribir voces cantando, incluso en ambientes ruidosos.

Nuevas técnicas mejoran la reconstrucción de voz en entornos difíciles usando datos limitados.

Presentando un modelo que genera audio y video sincronizados con niveles de ruido mezclados.

Un nuevo sistema mejora las interacciones de los robots al filtrar el habla superpuesta.

Este artículo habla de un nuevo modelo sencillo para generar audio a partir de imágenes y viceversa.

Los modelos de lenguaje de eliminación de ruido mejoran la corrección de errores en los sistemas de reconocimiento de voz usando datos sintéticos.

El nuevo modelo VPIDM mejora la claridad del habla en ambientes ruidosos.

NeRAF crea sonidos y visuales sincronizados para experiencias inmersivas en varios ámbitos.

Un nuevo método mejora la alineación de audio y video usando modelos preentrenados.

Zipper combina de manera efectiva diferentes tipos de datos para tener modelos de IA más inteligentes.

Usando deep learning para mejorar la monitorización de emisiones acústicas en uniones atornilladas.

Un nuevo enfoque para combinar canto y baile a través de técnicas informáticas avanzadas.

Descubre cómo la pintura de voz está restaurando la calidad del audio en varios campos.

Un nuevo sistema mejora la claridad del habla en entornos con múltiples hablantes.

Nuevos métodos mejoran cómo las máquinas reconocen emociones en el habla.

El modelo Frieren mejora la calidad de audio y la sincronización para videos.

Un nuevo método genera sonidos únicos a partir de texto usando un sintetizador sencillo.

Un nuevo método mejora la traducción de voz en entornos ruidosos y mantiene la expresividad.

Un nuevo conjunto de datos mejora el estudio de la identificación de Raga en la música india.

Seed-TTS crea habla realista a partir de texto para varias aplicaciones.

Un nuevo método mejora la conversión de voz a canto usando aprendizaje auto-supervisado.

StreamSpeech mejora la traducción de voz en tiempo real con eficiencia y calidad.

Un nuevo modelo mejora el reconocimiento de voz usando múltiples métodos de decodificación.

Un estudio sobre cómo mejorar el reconocimiento de voz automática (ASR) para dialectos árabes usando técnicas de modelos eficientes.

Te presento BLSP-Emo, un modelo que entiende el habla y las emociones para tener mejores interacciones.

Un estudio reciente replica hallazgos clave sobre la interpretación de datos usando sonido y visuales.

Un nuevo modelo genera música usando tanto texto como información visual.

Un sistema que conecta sonidos con imágenes, mejorando la comprensión de las máquinas.

El nuevo modelo ARDiT mejora la síntesis de texto a voz y la edición de audio.