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

Un nuevo modelo mejora la precisión en las capacidades de conversión de voz a texto en varios idiomas.

Avances en la predicción de la calidad del habla usando métodos eficientes para dispositivos móviles.

Un método para mejorar el timbre en la producción musical a través de sintetizadores.

Este estudio evalúa la tecnología de voz en lenguas de bajos recursos como el árabe tunecino.

La investigación revela riesgos en modelos de habla multitarea como Whisper.

TokenVerse simplifica el análisis de conversaciones habladas al integrar múltiples tareas en un solo modelo.

Nuevo conjunto de datos mejora la generación de audio a partir de descripciones de texto detalladas.

Un enfoque nuevo para que los artistas conecten la creatividad con la generación de audio por IA.

Explorando el impacto de los modelos TTM en la creación musical y en las experiencias de los usuarios.

Este artículo examina la latencia de varios sistemas de diarización de locutores en el procesamiento de audio.

Mejorando la síntesis de voz para generar voces más naturales y expresivas.

Un nuevo conjunto de datos busca mejorar el reconocimiento de voz para hablantes de inglés no nativos.

Un nuevo marco, BiosERC, mejora el reconocimiento de emociones al considerar las características del hablante.

Este estudio examina cómo varían las preferencias de voz entre diferentes oyentes.

Un nuevo modelo aborda sesgos y mejora las predicciones de precios de acciones usando datos diversos.

Este artículo presenta un método para generar sonido preciso a partir de videos y texto.

Un nuevo modelo mejora la simulación de instrumentos de cuerda para un sonido más realista.

Presentamos un método para tener mejor control en la edición de audio.

Un estudio sobre cómo clasificar la música según su época usando características de audio y opiniones de artistas.

Un nuevo modelo mejora el estudio de la comunicación animal usando datos de audio en bruto.

Emilia ofrece un conjunto de datos diverso para mejorar los modelos de generación de voz.

Un nuevo sistema mejora la eficiencia del procesamiento de señales a través de métodos de codificación innovadores.

Un equipo enfrenta los desafíos de identificación de cantos de aves en la competencia BirdCLEF 2024.

Presentamos datasets MERGE para mejorar la clasificación de emociones en la música.

Un nuevo método ayuda a que los modelos más pequeños funcionen mejor usando pistas de modelos más grandes.

Explora las actualizaciones en la versión 3 del conjunto de datos Divide and Remaster.

Una visión general de los conjuntos de datos utilizados en modelos de audio-lenguaje y su importancia.

Un sistema de auriculares confiable monitorea las tasas de respiración durante varias actividades diarias.

Mejorando los sistemas de reconocimiento de voz para idiomas con pocos datos en línea.

Este estudio analiza cómo las redes neuronales interpretan el habla usando espectrogramas.

Combinando sonido e imágenes para sistemas de reconocimiento más inteligentes.

Un método para mejorar la detección de deepfakes de audio mediante la augmentación de datos.

Beat-It genera movimientos de baile sincronizados para mejorar la coreografía sin esfuerzo.

Los investigadores buscan crear sonidos que coincidan con videos en silencio, mejorando la experiencia de los espectadores.

Este estudio aborda los problemas con los sistemas de SLU y su capacidad para generalizar.

Una herramienta auto-supervisada para estimar las tonalidades musicales, reduciendo la necesidad de anotaciones de expertos.

Diff-MST mejora la mezcla de música aplicando transferencia de estilo de pistas de referencia.

ElasticAST permite procesar audio de longitud variable de manera eficiente sin perder detalles importantes.

Analizando métodos de identificación de cantantes en medio de crecientes preocupaciones sobre el clonaje de voces.

Un enfoque nuevo mejora la detección de clips de audio reales y falsos mezclados.