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

Este estudio investiga la efectividad de los modelos multilingües en la detección de deepfakes de audio.

Un nuevo enfoque para evaluar qué tan bien la música sigue las indicaciones de audio.

Un nuevo conjunto de datos mejora la forma en que los robots interpretan entornos del mundo real.

Este método mejora la separación de audio al combinar descripciones de lenguaje con análisis de sonido.

UniAV combina la localización de acción, la detección de sonido y la localización de eventos audio-visuales para una mejor comprensión del video.

CLaM-TTS mejora la síntesis de voz usando técnicas avanzadas para tener mejor eficiencia y calidad.

Los gráficos permiten obtener nuevas ideas sobre la estructura de la música y sus relaciones.

RALL-E mejora la síntesis de texto a voz para que suene más clara y natural.

MuPT utiliza la notación ABC para generar música de manera efectiva con IA.

Nuevos métodos mejoran la representación de audio a través de técnicas de aprendizaje auto-supervisado.

PEAVS analiza qué tan bien funcionan el audio y el video juntos para mejorar la experiencia del espectador.

Un método que usa IA mejora la representación del sonido en diferentes entornos.

Explora el papel de los momentos espectrales en las pruebas de cámara de reverberación y el impacto del ruido.

Un nuevo sistema para una transcripción de piano en tiempo real, precisa y ligera.

Un nuevo marco mejora la comprensión de la IA sobre los espacios 3D.

Nuevo modelo permite un control preciso de las cualidades de la voz mientras se mantiene el contenido.

Un nuevo marco para evaluar modelos base en tareas de habla.

Un estudio sobre cómo mejorar los audios a partir de indicaciones de texto usando optimización de preferencias.

Explorando los últimos avances en herramientas de IA para crear música.

La investigación explora la fusión de técnicas de sonido para mejorar la navegación y el mapeo robótico.

Un nuevo enfoque mejora el etiquetado y la recuperación de música al combinar términos de lenguaje general y de música.

FlashSpeech ofrece soluciones de síntesis de voz rápidas y de alta calidad.

Un nuevo método mejora la detección de deepfakes de audio usando referencias de muestras similares.

Este estudio analiza señales de sonido para medir la virtuosidad entre guitarristas eléctricos.

Este estudio examina las debilidades de los modelos SER frente a ataques adversariales en diferentes idiomas.

SEANet mejora el aislamiento del hablante al reducir el ruido en el procesamiento de audio.

Un nuevo códec de audio que ofrece compresión de alta calidad y contenido semántico rico.

Una herramienta que combina análisis de audio y video para identificar eventos.

Un método para medir cómo los materiales absorben el sonido de manera efectiva.

Un método de aprendizaje activo en dos etapas mejora la precisión del reconocimiento de voz con menos datos.

Nuevos métodos mejoran la claridad del habla en los audífonos mediante técnicas de aprendizaje profundo.

Aprende sobre técnicas de localización de sonido y sus usos en diferentes campos.

Un nuevo conjunto de datos y métodos mejoran la detección de deepfakes de audio generados por ALM.

Este estudio evalúa el rendimiento de los sistemas de ASR con personas que tartamudean.

Un clip de audio universal puede silenciar modelos de ASR avanzados como Whisper.

Un dispositivo ayuda a enfocarse en voces específicas en lugares concurridos.

Un nuevo método mejora la edición de audio usando modelos de difusión para cambios precisos.

SpeechVerse conecta la comprensión de audio y el procesamiento del lenguaje para mejorar la interacción humano-computadora.

Un nuevo conjunto de datos destaca las diferencias de rendimiento entre grupos demográficos que utilizan asistentes de voz.

Este artículo investiga las vulnerabilidades en los modelos de voz y formas de mejorar su seguridad.