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

Explorando cómo ciwGAN puede aprender y representar características fonológicas como la nasalidad.

Un nuevo modelo mejora la eficiencia y precisión del reconocimiento de voz.

Un nuevo método mejora la precisión del reconocimiento de voz usando información contextual.

Los investigadores usan GANs para generar audio ruidoso a partir de audio limpio, mejorando los modelos de voz.

El corpus JNV captura sonidos emocionales diversos en japonés, enriqueciendo las colecciones existentes.

Nuevos métodos mejoran la generación de risas para interacciones realistas entre humanos y computadoras.

Una mirada a cómo identificar audio falso en el mundo tecnológico de hoy.

Usando modelos de texto para mejorar la generación de voz y así entender mejor.

La investigación muestra cómo el texto sintético puede mejorar efectivamente los sistemas de ASR.

C-MCR simplifica el aprendizaje multimodal al conectar el conocimiento existente de manera eficiente.

FluentSpeech ofrece una solución automática para editar el habla de manera más fluida.

MDA mejora el reconocimiento de voz al optimizar modelos para áreas de datos específicas.

Investigaciones muestran que las señales del cerebro pueden ayudar a predecir los movimientos de la lengua durante el habla.

El sistema U-DiT TTS mejora la generación de habla natural a través de una arquitectura innovadora.

Un nuevo método busca mejorar los sistemas de reconocimiento de voz para personas con disartria.

Un nuevo método mejora la comprensión de las computadoras sobre comandos hablados con menos ejemplos.

Mejorando la identificación de voces al combinar sonido y palabras habladas en audio.

Los agentes virtuales aprenden a imitar gestos humanos para interactuar mejor.

Un nuevo método para crear sintetizadores que beneficia a los músicos.

Un nuevo marco mejora la detección de hablantes activos usando pistas de audio y visuales.

Una mirada a los desafíos y defensas en los sistemas de verificación automática de hablantes.

Las redes ópticas permiten transferencias de datos rápidas, moldeando el futuro de la tecnología de comunicación.

Un nuevo método mejora los modelos de audio generales para un reconocimiento de voz efectivo.

Nuevo modelo mejora la comprensión emocional en diálogos.

Un modelo combina lenguaje hablado y texto para mejorar la precisión de la traducción.

La investigación utiliza modelos de voz humana para analizar eficazmente las vocalizaciones de los marmosets.

Nuevos métodos mejoran la detección temprana de enfermedades respiratorias usando datos de sonido.

Este estudio analiza cómo la risa transmite emociones a través del análisis de sonido.

Un nuevo modelo le da capacidades de voz a dispositivos sin internet.

Esta investigación aborda el olvido en la IA a través del aprendizaje continuo en la comprensión del lenguaje hablado.

El nuevo modelo ZET-Speech mejora la síntesis de voz emocional para diferentes hablantes.

Un estudio encuentra que nuevas técnicas de mezcla mejoran la precisión de la transcripción musical.

Un nuevo método mejora las respuestas de las máquinas a través de una mejor comprensión emocional.

Un nuevo método mejora la precisión en el reconocimiento automático de voz para reuniones.

CALLS tiene como objetivo mejorar la capacidad de los asistentes de voz para manejar interacciones con clientes.

Nuevos métodos mejoran la restauración de audio y la calidad de producción.

La investigación mejora las técnicas de cuantización para hacer más eficiente el modelo de reconocimiento de voz.

PLCMOS ofrece una nueva forma de evaluar la calidad del habla sin oyentes humanos.

LoopBoxes ayuda a los niños a crear música de manera fácil y colaborativa.

Un nuevo método para crear sonidos de impacto realistas a través de redes neuronales.