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

Un enfoque unificado para evaluar la alimentación de peces usando datos de audio y video.

Un nuevo método mejora la creación de videos con cabezas hablantes que expresan emociones.

Este estudio explora problemas con el uso de convnets para la creación de bancos de filtros de audio.

El modelo CLAP conecta el procesamiento de audio y texto para varias aplicaciones.

Un proyecto tiene como objetivo mejorar el procesamiento del habla en francés usando aprendizaje auto-supervisado.

Nuevos métodos mejoran cómo las máquinas reconocen el ritmo y la emoción del habla.

Un nuevo enfoque mejora la estimación del sonido en espacios con objetos que disipan.

Examina cómo la indecibilidad influye en la composición y producción musical hoy en día.

Este artículo explora los avances en la diarización de hablantes usando modelos de lenguaje para mejorar la precisión.

Este estudio mejora la capacidad de los sistemas de reconocimiento de voz para entender el habla de los niños.

Los investigadores están explorando tecnología de detección de audio para mejorar la identificación de peatones en áreas urbanas.

Nuevo método mejora la localización de fuentes de sonido y la separación de campos.

Un nuevo método mejora la síntesis del sonido de los tambores al centrarse en los elementos transitorios agudos.

Los investigadores están desarrollando datos de voz sintética para proteger la privacidad en el reconocimiento de voz.

VoxtLM combina reconocimiento de voz, síntesis, generación de texto y continuación en un solo modelo.

Nuevo sistema mejora el reconocimiento de voz usando indicaciones conscientes del contexto.

EnCodecMAE combina el aprendizaje auto-supervisado y códecs de audio para mejorar el rendimiento en tareas de audio.

Un estudio sobre el uso de aprendizaje automático para identificar los sonidos de los niños para la evaluación del TDAH.

Presentamos un método flexible para reconocer palabras clave en el habla en diferentes idiomas.

Una mirada a cómo se prueba la calidad del habla usando crowdsourcing.

Un nuevo método entrena sistemas de captioning de audio usando solo descripciones de texto.

Una guía para redactar trabajos académicos claros y efectivos.

Examinando los riesgos de ataques de puerta trasera en sistemas de verificación de voz.

Un nuevo método mejora la segmentación audio-visual sin etiquetas detalladas.

PIAVE ayuda a las máquinas a captar voces con claridad, incluso cuando los hablantes giran la cabeza.

Libriheavy ofrece 50,000 horas de inglés hablado para mejorar la tecnología de reconocimiento de voz.

AV2Wav mejora la calidad del habla usando pistas de audio y visuales.

Un método nuevo para que las máquinas alteren las emociones del habla de manera natural.

Se están desarrollando nuevos métodos para identificar voces cantantes deepfake en la industria musical.

La selección de core-set mejora los modelos de texto a voz al centrarse en datos diversos.

Nuevos modelos están cambiando la forma en que analizamos las emociones en el habla.

Un nuevo método usa ultrasonido para reconocer acciones mientras protege la privacidad.

Presentamos un marco flexible para mejorar la investigación sobre la privacidad de la voz.

CiwaGAN combina el control de los movimientos del habla y el intercambio de información para un mejor aprendizaje del habla.

Un marco que mezcla señales verbales y no verbales para mejorar el aprendizaje de idiomas.

Un nuevo método simplifica la comprensión de los modelos de clasificación de voz.

Un nuevo sistema mejora las habilidades de pronunciación al tener en cuenta las influencias del idioma materno.

Descubre cómo las herramientas cuánticas cambian la creación y la interpretación de la música.

Nuevo método mejora la preservación de emociones en los procesos de conversión de voz.

Nuevo método preserva el tono emocional en la conversión de voz para mejorar la interacción humano-computadora.