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

Aprende a entrenar modelos de voz de manera efectiva con menos recursos etiquetados.

Un análisis de la terminología de género en la tecnología del habla y sus implicaciones sociales.

Un nuevo marco mejora la detección de eventos sonoros que se superponen en entornos de audio complejos.

Investigación sobre cómo mejorar la identificación de sonidos de aves usando técnicas de aprendizaje automático.

Un nuevo método mejora la creación automática de versiones de piano usando la tecnología de transcripción musical existente.

Una mirada a los resultados del desafío Codec-SUPERB y las métricas de rendimiento del codec.

El proyecto MultiMed mejora el reconocimiento de voz automático para una mejor comunicación en el cuidado de la salud.

Un enfoque nuevo para la evaluación de la calidad de audio sin necesitar referencias limpias.

El marco ECHO mejora la precisión en la clasificación de sonidos usando etiquetas estructuradas y un proceso de aprendizaje en dos etapas.

Un nuevo método mejora la claridad del habla al integrar información visual.

Un nuevo enfoque mejora la estimación de la dirección del sonido para altavoces en movimiento en entornos difíciles.

La Recuperación de Momentos de Audio permite localizar momentos específicos en grabaciones largas.

Safe Guard detecta discurso de odio en tiempo real durante interacciones de voz en VR social.

La IA está evolucionando para tener conversaciones más naturales.

Un enfoque novedoso utiliza MRI en tiempo real para visualizar los movimientos de producción del habla.

Un nuevo método para detectar reflejos tempranos en la sala mejora las experiencias de audio.

Un proyecto que desarrolla conjuntos de datos de voz y texto para idiomas con recursos limitados.

Un nuevo marco mejora el reconocimiento de voz y se adapta a varias tareas de habla.

Se necesitan nuevos métodos para detectar tecnologías avanzadas de voz deepfake.

Nuevos métodos aumentan la precisión para identificar sonidos de animales con datos limitados.

Nuevo método mejora la integración del sonido virtual en entornos de AR.

Un nuevo método busca preservar la privacidad de la voz mientras permite una comunicación efectiva.

Nuevos métodos mejoran el reconocimiento de voz para lenguas de pocos recursos sin texto.

Nuevos métodos mejoran la precisión en los sistemas de reconocimiento de voz usando comprensión fonética.

Este marco mejora las animaciones en tiempo real al sincronizar el habla y los gestos de manera fluida.

Nuevas características acústicas mejoran el rendimiento de los sistemas ASR en entornos ruidosos.

Una nueva función de pérdida mejora la calidad del audio al alinear fase y magnitud.

Un nuevo modelo de TTS agrega profundidad emocional al habla generada por computadora.

Evaluando modelos de reconocimiento de voz para sesiones de diagnóstico de autismo.

Los métodos recientes mejoran la claridad y calidad del audio usando modelos avanzados.

Un enfoque nuevo mejora la detección de grabaciones de audio falsas.

ESPnet-Codec mejora el entrenamiento y la evaluación de códecs neuronales para audio y voz.

Explorando métodos para adaptar RNNs a diferentes tasas de muestreo de audio.

Nuevo modelo consigue una transcripción de voz más rápida sin sacrificar la precisión.

Descubre cómo los embeddings Matryoshka mejoran la eficiencia y flexibilidad del reconocimiento de hablantes.

Te presentamos NanoVoice, un modelo de texto a voz rápido y eficiente para audio personalizado.

El nuevo modelo VoiceGuider mejora el TTS para diferentes hablantes.

Un nuevo método para convertir voces entre idiomas manteniendo las características únicas.

Nuevas técnicas mejoran la calidad del habla expresiva entre diferentes hablantes.

Este artículo explora el papel de las métricas perceptuales en la clasificación de géneros musicales.