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

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.

Nuevos métodos mejoran la precisión y eficiencia en los sistemas de reconocimiento de voz.

Un nuevo método mejora la localización del sonido en entornos variados al centrarse en el aprendizaje continuo.

Un nuevo método mejora la detección de eventos de sonido al integrar nuevas clases de audio de manera efectiva.

WildDESED mejora los sistemas de detección de sonido en entornos caseros ruidosos.

Un estudio revela cómo distintos géneros musicales activan áreas específicas del cerebro.

Reglas esenciales para enviar trabajos a NeurIPS 2024.

Este estudio evalúa actuaciones de piano solo usando métodos de análisis de audio.

El modelo XLSR-Transducer se destaca en la transcripción en tiempo real con datos mínimos.

Este artículo habla de mejorar la MÚSICA con computación aproximada para un mejor rendimiento.

Un nuevo sistema mejora la precisión y eficiencia en la transcripción de música de múltiples instrumentos.

Un nuevo modelo mejora la precisión en las capacidades de conversión de voz a texto en varios idiomas.

Avances en la predicción de la calidad del habla usando métodos eficientes para dispositivos móviles.

Un método para mejorar el timbre en la producción musical a través de sintetizadores.

Este estudio evalúa la tecnología de voz en lenguas de bajos recursos como el árabe tunecino.

La investigación revela riesgos en modelos de habla multitarea como Whisper.

TokenVerse simplifica el análisis de conversaciones habladas al integrar múltiples tareas en un solo modelo.

Nuevo conjunto de datos mejora la generación de audio a partir de descripciones de texto detalladas.

Un enfoque nuevo para que los artistas conecten la creatividad con la generación de audio por IA.

Explorando el impacto de los modelos TTM en la creación musical y en las experiencias de los usuarios.

Este artículo examina la latencia de varios sistemas de diarización de locutores en el procesamiento de audio.

Mejorando la síntesis de voz para generar voces más naturales y expresivas.

Un nuevo conjunto de datos busca mejorar el reconocimiento de voz para hablantes de inglés no nativos.

Un nuevo marco, BiosERC, mejora el reconocimiento de emociones al considerar las características del hablante.

Este estudio examina cómo varían las preferencias de voz entre diferentes oyentes.

Un nuevo modelo aborda sesgos y mejora las predicciones de precios de acciones usando datos diversos.

Este artículo presenta un método para generar sonido preciso a partir de videos y texto.

Un nuevo modelo mejora la simulación de instrumentos de cuerda para un sonido más realista.

Presentamos un método para tener mejor control en la edición de audio.

Un estudio sobre cómo clasificar la música según su época usando características de audio y opiniones de artistas.