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

Un nuevo sistema corrige errores de identificación de hablantes para tener transcripciones de conversación más claras.

SelectTTS simplifica la generación de voz para hablantes desconocidos con una selección de cuadros efectiva.

Mejorando la claridad del habla a través de filtros híbridos y redes neuronales.

AASIST3 mejora la detección de voces falsas en sistemas de verificación de hablantes automáticos.

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

Investigadores mejoran el reconocimiento de gestos usando técnicas de aprendizaje innovadoras.

El sistema portátil reduce el ruido de construcción, mejorando la comodidad de los trabajadores y el bienestar de la comunidad.

Nuevos modelos como FluxMusic mejoran la creación de música a partir de texto escrito.

Este artículo habla sobre las ventajas de combinar sistemas de reconocimiento de voz y facial.

Un nuevo modelo mejora el reconocimiento de voz al combinar de manera efectiva las entradas de audio y visuales.

Nuevos modelos mejoran la precisión en la detección de la depresión a través de grabaciones de voz.

Un nuevo método mejora el rendimiento del modelo de habla en varias tareas.

Un nuevo método mejora la precisión de la detección de palabras clave usando datos de audio sin etiquetar.

Investigaciones muestran que el análisis del habla puede ayudar en la detección temprana del deterioro cognitivo leve.

Un nuevo método mejora la generación de música al centrarse en acordes y representación.

Los investigadores crean LibriheavyMix para mejorar el reconocimiento de voz en entornos ruidosos.

Nuevos métodos mejoran el reconocimiento de voz en situaciones difíciles con varios hablantes.

Un conjunto de datos revolucionario mejora las herramientas de IA para diagnosticar problemas del corazón.

Un nuevo sistema ayuda a revivir el idioma Hakka taiwanés.

Nuevos métodos mejoran la claridad del habla en ambientes ruidosos usando tecnologías avanzadas.

Nuevos métodos mejoran la separación de voces en entornos ruidosos.

Este artículo explora métodos para mejorar los sistemas de texto a voz para lenguas poco representadas.

Este estudio examina cómo la melodía varía y se conecta a través de diferentes culturas.

Un marco que utiliza modelos de lenguaje grandes para crear diálogos de audio auténticos.

Un nuevo punto de referencia ayuda a evaluar los tokenizadores de habla para un mejor rendimiento.

Un nuevo método mejora el reconocimiento automático de voz al preservar el orden del sonido en la transferencia de conocimiento.

Un nuevo modelo mejora el reconocimiento de voz en conversaciones multilingües.

Este estudio examina la efectividad de los LLMs en musicología y su fiabilidad.

Este estudio examina cómo el ruido puede mejorar la resistencia del reconocimiento del habla frente a desafíos.

Descubre cómo un micrófono extra mejora la detección de dirección del sonido en entornos ruidosos.

Un nuevo método mejora la conversión de voz usando menos muestras.

Un transductor innovador y liviano mejora la eficiencia y precisión del reconocimiento de voz.

Nuevos métodos mejoran la creación musical a través del análisis de audio y el control del usuario.

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

Descubre cómo DDSP mejora la eficiencia y calidad de la síntesis de voz.

Este estudio mejora el SER a través de un mejor procesamiento previo y modelos de atención eficientes.

Un marco para ajustar la música en tiempo real en juegos y películas.

aTENNuate ofrece una mejora eficiente en tiempo real de las señales de voz, mejorando la claridad de la comunicación.

Los investigadores exploran ecos ultrasónicos para medir distancias de manera precisa en entornos interiores tranquilos.

Las técnicas de anonimización de hablantes protegen la información personal mientras mantienen la claridad en la comunicación.