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

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.

Nuevos sistemas mejoran la traducción de texto a lenguaje hablado sin intermediarios.

Los investigadores mejoran la precisión en la clasificación de sonidos del corazón usando métodos de aumento de datos con códec.

La investigación revela que el habla emocional afecta el rendimiento del modelo en tareas de separación de voz.

M-AUDIODEC comprime audio multicanal manteniendo la posición de los altavoces y la calidad.

Nuevos métodos en S2ST mejoran la calidad de la traducción manteniendo la identidad del hablante.

Un nuevo sistema mejora la compresión de audio espacial para un sonido más claro y eficiente.

Un nuevo sistema que conecta la música y el lenguaje para una mejor comprensión.

La investigación revela nuevos modelos para mejorar la claridad del sonido en los auriculares inteligentes.

Usar información extra mejora nuestra capacidad para identificar los cantos de los pájaros.

Un nuevo enfoque mejora la generación de audio alineando el audio con descripciones de texto.

Los investigadores trabajan para mejorar el reconocimiento de voz en línea usando modelos de espacio de estados estructurados.