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

Este método mejora la precisión del reconocimiento para nombres poco comunes en las salidas de voz.

Mejorando la identificación de palabras habladas a través de señales visuales en idiomas con pocos recursos.

Un nuevo modelo mejora la detección de deepfakes de audio con aprendizaje continuo.

Una visión general de métodos, desafíos y sistemas de diarización de altavoces audiovisuales.

BigCodec mejora la calidad de sonido en la transmisión de audio a baja tasa de bits.

Un nuevo método mejora la captura de sonido usando micrófonos circulares para una mejor calidad de audio.

Este artículo habla sobre los beneficios de simplificar modelos de transformers para tareas de voz.

Sortformer integra diarización de hablantes y ASR para mejorar el procesamiento de audio.

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.