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

Un enfoque nuevo para crear sonidos de piano realistas usando separación de componentes de sonido.

ParaEVITS mejora la expresión emocional en TTS a través de la guía del lenguaje natural.

Aprende cómo la inpainting de audio restaura partes faltantes de las señales.

Nuevos métodos mejoran la comprensión del lenguaje hablado a través de un conjunto de datos innovador.

Nuevos métodos mejoran la conversación entre humanos y robots al aumentar la claridad del habla.

Nuevos métodos mejoran el acceso a noticias habladas al segmentar mejor los temas.

Esta investigación analiza el rendimiento de Mamba en tareas de habla, enfatizando la reconstrucción y el reconocimiento de sonidos.

Un nuevo método para etiquetar música usando aprendizaje de pocos ejemplos muestra resultados prometedores.

FlowSep presenta un nuevo método para extraer sonidos usando consultas de lenguaje.

SSR-Speech ofrece nuevas soluciones para la generación y edición de voz.

Los avances en IA hacen que el audio falso sea común, lo que genera la necesidad de detección.

Nuevo modelo mejora la generación de voz en diversos dialectos de lenguas con acento tonal.

Un nuevo método mejora la precisión de la localización sonora y asegura la privacidad de los datos.

Un nuevo método para crear música pop estructurada usando técnicas basadas en grafos.

Un nuevo método para mejorar la detección de palabras clave mientras se conserva el conocimiento aprendido.

Los investigadores desarrollan un conjunto de datos para mejorar las técnicas de reconocimiento y análisis de voz.

SoloAudio mejora la extracción de sonido usando técnicas avanzadas y datos sintéticos.

OpenACE ofrece un punto de referencia justo para evaluar códecs de audio en distintas condiciones.

Un método para identificar fallos en motores eléctricos a través del análisis de sonido y redes neuronales bayesianas.

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.