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

PDMX ofrece una gran colección de música simbólica de dominio público para el desarrollo de IA.

Un estudio muestra que los i-vectores pueden competir con modelos complejos en el reconocimiento de hablantes.

Un estudio sobre cómo las elecciones de diseño afectan los modelos de lenguaje de base.

Un nuevo método evalúa modelos de habla auto-supervisados usando medidas de rango.

El estudio resalta los avances en el reconocimiento de emociones en robots usando Transformadores de Visión.

La investigación resalta la importancia de un diagnóstico justo en enfermedades respiratorias.

MusicLIME ayuda a explicar el enfoque de la IA para analizar música a través de audio y letras.

Descubre cómo la Computación Cuántica está transformando la creatividad musical con el Harmonizador Cuántico Variacional.

El modelo MCMamba mejora la calidad del habla en entornos ruidosos usando información espacial y espectral.

Este estudio evalúa métodos de baja latencia para mejorar la calidad del habla en condiciones ruidosas.

Examinando cómo los gestos 2D y 3D afectan la comunicación de personajes virtuales.

Un estudio sobre cómo mejorar los sistemas de reconocimiento de voz en ambientes ruidosos.

Los investigadores usan el habla para identificar y monitorear varias condiciones de salud.

RF-GML mide la calidad del audio sin necesidad de una señal de referencia.

Aprende cómo la ecualización de salas mejora las experiencias de audio en diferentes ambientes.

StyleTTS-ZS ofrece una síntesis de voz eficiente y de alta calidad sin necesidad de un entrenamiento extenso del hablante.

Un nuevo método mejora el canto en conjunto sintetizado al modelar las interacciones entre los cantantes.

Un nuevo marco mejora el reconocimiento de voz al modelar las relaciones de sonido de manera efectiva.

Aprende cómo el ajuste de preferencias alinea modelos con feedback humano.

Un nuevo método de enmascaramiento mejora la conversión de voz al separar la identidad del hablante de la fonética.

Técnicas innovadoras mejoran el entrenamiento de modelos de música-texto con recursos limitados.

Nuevos métodos mejoran el etiquetado de audio para estilos musicales diversos y la preservación cultural.

Un conjunto de datos de sonidos del hogar promueve la seguridad y la comodidad para los adultos mayores.

SD-Codec mejora el procesamiento de audio al separar diferentes tipos de sonido de manera efectiva.

Este artículo habla sobre métodos para mejorar el reconocimiento de voz en el habla con acento.

Un nuevo enfoque mejora la interpretabilidad de la detección de voz falsa.

Una mirada al nuevo sistema TTS de un solo paso que mejora la generación de voz.

Este estudio aborda los desafíos en modelos de lenguaje de audio para lenguas de pocos recursos.

Este estudio mejora los sistemas de reconocimiento de emociones para idiomas menos comunes usando datos de alto recurso.

Un modelo mejora las tareas de habla en entornos multilingües, abordando los desafíos del cambio de código.

Mejorando la síntesis de voz en lenguas indias usando unidades inter-pauss.

DeFT-Mamba mejora la separación y clasificación de sonido en ambientes ruidosos.

CADA-GAN mejora el rendimiento de los sistemas de ASR en diferentes entornos de grabación.

EVA combina señales de audio y visuales para mejorar la precisión del reconocimiento de voz.

Un nuevo marco simplifica el reconocimiento de voz en entornos ruidosos.

Llama-AVSR combina entradas de audio y visuales para mejorar la precisión del reconocimiento de voz.

WMCodec mejora la marca de agua de audio para más seguridad y autenticidad.

Nuevos modelos abordan la clasificación de sonido con datos de entrenamiento limitados.

Un nuevo enfoque mejora la detección de audio falso utilizando modelos preentrenados.

Nuevo método mejora la calidad y eficiencia de la generación de voz.