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

Un estudio revela amenazas graves en el reconocimiento de voz usando muestras de morfología.

Un conjunto de datos detallado que combina las sonatas de Mozart con interpretaciones de piano y anotaciones de expertos.

Un nuevo diseño de auriculares mejora la claridad del sonido usando tecnología de conducción ósea.

Un nuevo modelo liviano mejora la estimación de la tonalidad usando técnicas de aprendizaje auto-supervisado.

Un nuevo enfoque para mejorar la identificación y análisis de segmentos musicales.

Nuevos métodos desarrollados para identificar canciones falsas ante la creciente preocupación.

Cleancoder mejora los sistemas ASR al reducir el ruido de fondo para una comprensión del habla más clara.

RADIO crea caras que hablan de forma realista usando solo una imagen de referencia.

RoDia ofrece muestras de audio súper importantes para identificar dialectos rumanos.

Explorando cómo los gestos y expresiones mejoran nuestra comprensión del idioma hablado.

Una mirada a mezclar música, combinando habilidades técnicas con visión artística.

Explorando nuevos métodos en detección y localización de sonido usando datos sintéticos.

Un nuevo sistema ayuda a los músicos a experimentar el sonido en un escenario virtual.

Nuevo método mejora la detección de segmentos de audio falsos en grabaciones.

Las computadoras están aprendiendo a separar el ritmo y la armonía en la música para aplicaciones creativas.

El MuLanTTS de Microsoft ofrece capacidades de texto a voz en francés que suenan naturales y expresivas.

Nuevos conjuntos de datos y métodos mejoran la clasificación de vehículos para una mejor gestión del tráfico.

Nuevos métodos mejoran la precisión y velocidad en la tecnología de reconocimiento de voz.

Un nuevo sintetizador mejora la generación de efectos de sonido realistas para los medios.

Un nuevo enfoque mejora la estimación de confianza en los sistemas de ASR para más precisión.

Presentamos un marco para una síntesis de voz más natural y expresiva.

Aprende cómo la tecnología ayuda a clasificar géneros musicales de manera eficiente.

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.