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

Los modelos de lenguaje de habla tienen potencial, pero les cuesta identificar a los hablantes en las conversaciones.

Un enfoque de aprendizaje auto-supervisado reduce la necesidad de datos de audio etiquetados.

Un estudio revela el papel de los datos de voz en el reconocimiento de emociones en hablantes de español.

Un nuevo método mejora la claridad del habla en entornos ruidosos.

Enfoques innovadores buscan mejorar la calidad de la música para quienes tienen pérdida auditiva.

GenRep ofrece un enfoque novedoso para identificar sonidos inusuales de máquinas con datos limitados.

TF-Mamba mejora la localización del sonido usando un enfoque novedoso que integra datos de tiempo y frecuencia.

La investigación sobre sistemas ASR modulares busca mejorar el rendimiento en entornos ruidosos.

Un nuevo método combina el significado y el sonido para mejorar la detección de emociones en el habla.

Este artículo habla sobre métodos de entrenamiento eficientes para modelos de voz usando aprendizaje auto-supervisado.

Una nueva arquitectura mejora la detección de sonido en diferentes entornos.

Un nuevo modelo mejora la generación de música enfocándose en instrumentos individuales.

Te presentamos DENSE, un método que mejora la extracción de habla objetivo usando embeddings dinámicos.

Un nuevo método mejora la transformación de audio mientras preserva la melodía y la calidad del sonido.

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.