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

Explorando cómo el tono y las palabras moldean nuestra comprensión del sarcasmo.

Un nuevo método agiliza la creación de conjuntos de datos musicales para la transcripción automática.

Un sistema para clasificar los dialectos literarios y coloquiales del tamil usando características de sonido.

Una visión general de los avances en el reconocimiento de voz a través del VoxCeleb Challenge.

Un nuevo método mejora la conversión de susurros a habla normal usando técnicas avanzadas.

Nuevos métodos mejoran la comprensión de la computadora sobre el habla susurrada y normal.

La IA está cambiando cómo se compone y se vive la música.

Un nuevo modelo busca traducir la actividad cerebral en un lenguaje comprensible.

Un nuevo enfoque mejora la modelización de la disfusión para la terapia y el aprendizaje de idiomas.

Una mirada a la recorte de micro-lotes y sus beneficios para el entrenamiento de modelos.

La investigación muestra cómo los LLMs mejoran el reconocimiento automático de voz en japonés.

Métodos innovadores mejoran la seguridad en los sistemas de reconocimiento de voz.

Un nuevo marco mejora la clasificación de audio aprovechando el conocimiento de dispositivos multimodales.

Un nuevo enfoque mejora la claridad de la comunicación al reducir el eco y el ruido de fondo.

VoxInstruct combina contenido y estilo para una generación de habla más natural.

Una mirada a cómo medir la precisión en los sistemas de reconocimiento de voz con nuevos métodos.

Un nuevo método mejora la precisión del reconocimiento de voz en varios idiomas.

Explorando un nuevo enfoque para mejorar la calidad del habla usando ventanas de contexto temporal.

Métodos recientes mejoran la marca de agua de audio para una mejor calidad de sonido y gestión de derechos de autor.

Un nuevo método para mejorar la calidad de conversión de voz en tiempo real.

SALSA mejora la precisión del reconocimiento de voz para lenguas de pocos recursos al integrar ASR y modelos de lenguaje.

Nuevos métodos mejoran la calidad de la síntesis de voz en sistemas TTS.

Examinando el rendimiento del reconocimiento automático de voz para usuarios sordos y con problemas auditivos.

Un nuevo modelo transforma textos simples en letras de canciones adecuadas.

Este estudio analiza cómo diftongos y monoftongos difieren en producción y movimiento.

Nuevo método mejora la precisión de ASR usando modelos de lenguaje para mejores transcripciones.

Un nuevo sistema corrige errores de identificación de hablantes para tener transcripciones de conversación más claras.

SelectTTS simplifica la generación de voz para hablantes desconocidos con una selección de cuadros efectiva.

Mejorando la claridad del habla a través de filtros híbridos y redes neuronales.

AASIST3 mejora la detección de voces falsas en sistemas de verificación de hablantes automáticos.

X-Codec mejora la generación de audio al integrar comprensión semántica en el procesamiento.

Investigadores mejoran el reconocimiento de gestos usando técnicas de aprendizaje innovadoras.

El sistema portátil reduce el ruido de construcción, mejorando la comodidad de los trabajadores y el bienestar de la comunidad.

Nuevos modelos como FluxMusic mejoran la creación de música a partir de texto escrito.

Este artículo habla sobre las ventajas de combinar sistemas de reconocimiento de voz y facial.

Un nuevo modelo mejora el reconocimiento de voz al combinar de manera efectiva las entradas de audio y visuales.

Nuevos modelos mejoran la precisión en la detección de la depresión a través de grabaciones de voz.

Un nuevo método mejora el rendimiento del modelo de habla en varias tareas.

Un nuevo método mejora la precisión de la detección de palabras clave usando datos de audio sin etiquetar.

Investigaciones muestran que el análisis del habla puede ayudar en la detección temprana del deterioro cognitivo leve.