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

Los modelos de reconocimiento de voz están evolucionando con la predicción de múltiples tokens para respuestas más rápidas.

Esfuerzos para mejorar la tecnología de voz para el idioma Faetar, que tiene pocos recursos.

Un nuevo método de zero-shot mejora la precisión de la conversión de voz y minimiza la filtración de sonido.

Un estudio revela cómo cambian los tonos en el habla cotidiana del mandarín taiwanés.

Nuevo método mejora la detección del Parkinson a través del análisis de voz con tecnología avanzada.

Nuevo enfoque mejora la isolación de voz en ambientes de audio mixto usando tokens discretos.

La investigación relaciona pinturas con música al interpretar emociones.

Un estudio sobre el uso de modelos de lenguaje para corregir errores en sistemas de reconocimiento de voz.

FLAMO simplifica el procesamiento de audio a través de técnicas diferenciables y muestreo de frecuencias.

Un nuevo método mejora la detección automática de problemas del habla relacionados con la enfermedad de Parkinson.

Un nuevo enfoque mejora los sistemas de ASR para una mejor comunicación en el aula.

Este artículo explora cómo diferentes entradas pueden mejorar la precisión del reconocimiento de voz.

Un sistema que hace que crear música sea fácil y accesible para todos los niveles de habilidad.

ReCLAP mejora la clasificación de audio con indicaciones detalladas para una mejor precisión.

Un proyecto busca mejorar la tecnología de voz para quienes tienen dificultades de comunicación.

MambaFoley revoluciona la síntesis de sonido Foley con un mejor timing y realismo.

Un nuevo sistema mejora la precisión del acento en TTS para una mejor comunicación.

Usar embeddings de CLAP mejora mucho los sistemas de recomendación de música.

Un estudio explora el desarrollo de ASR para Amis y Seediq, centrándose en el uso de datos.

LLaQo ofrece retroalimentación detallada para la evaluación del rendimiento musical, mejorando el aprendizaje de los estudiantes.

Los investigadores desarrollan nuevas estrategias para distinguir a los animales individuales usando sus sonidos únicos.

Un nuevo método simplifica la detección de sirenas para mejorar la seguridad de los vehículos.

Un nuevo enfoque combina la detección de eventos sonoros y la diarización de hablantes para una mejor comprensión del audio.

Un nuevo enfoque mejora el ASR al centrarse en detalles específicos del hablante.

Un estudio que revela cómo los modelos de deep learning reconocen emociones en el habla.

Una herramienta fácil de usar para ajustar modelos de voz sin necesidad de código complicado.

Nuevos métodos mejoran el aislamiento acústico de entornos ruidosos sin necesidad de datos etiquetados.

Un nuevo enfoque aborda la variación de canal en los sistemas de reconocimiento de voz.

Un nuevo método mejora el reconocimiento de voz de máquinas para la verificación de hablantes.

Un nuevo modelo mejora la generación de audio usando texto detallado y sonidos como prompts.

La inteligencia artificial está reinventando la música con nuevas herramientas y enfoques.

MaskSR2 mejora la claridad y calidad del habla usando técnicas innovadoras.

Un nuevo método para generar habla acentuada usando transliteración de texto.

E1 TTS transforma texto en habla natural más rápido y de manera más eficiente.

Wave-U-Mamba mejora grabaciones de voz de baja calidad para una comunicación más clara.

Un nuevo sistema predice las puntuaciones de naturalidad para el habla sintética usando métodos innovadores.

Un nuevo método usa audio para mejorar la precisión de pronunciación de las máquinas.

Nuevos métodos mejoran la sincronización de audio con escenas de video cambiantes.

Explorando el desafío GenSEC para mejorar la precisión de la transcripción de voz.

Un nuevo método de evaluación para la esquizofrenia usando datos multimodales.