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

Los investigadores trabajan para mejorar el reconocimiento de voz en línea usando modelos de espacio de estados estructurados.

Un nuevo sistema mejora las experiencias de las reuniones al identificar a los hablantes en tiempo real.

Nuevos métodos están mejorando nuestra capacidad para detectar discursos falsos de manera efectiva.

Un método para la conversión de voz que mejora la privacidad y la calidad del habla.

Nuevos métodos mejoran la capacidad de distinguir audio falso de real.

Un método mejora la detección de voces sintéticas y identifica a sus creadores.

Nuevos métodos mejoran modelos pequeños para una mejor mejora de voz usando menos recursos.

Un nuevo método mejora los modelos de ASR para usuarios individuales usando cuantización y adaptación.

Nuevos métodos mejoran el rendimiento del vocoder con datos de audio limitados.

Una mirada a la disartria, su detección y el papel de la tecnología.

Los soft prompts mejoran la tecnología de reconocimiento de voz para un mejor rendimiento en ambientes ruidosos.

La investigación combina aprendizaje auto-supervisado y nuevas técnicas de medición para mejorar la inversión del habla.

Los investigadores desarrollan un nuevo marco para mejorar la claridad del habla para los usuarios de electrolaringe.

Este estudio explora estrategias de entrenamiento para mejorar la detección de audio falso.

Nuevos modelos se adaptan para mejorar la eficiencia y la rapidez del reconocimiento de voz.

RECAP usa técnicas avanzadas para generar subtítulos de audio precisos sin necesidad de reentrenar.

Una guía práctica para entender la teoría musical a través de la armonía y las escalas.

Un nuevo método utiliza datos sintéticos para mejorar los sistemas de ASR en áreas desconocidas.

Un nuevo método basado en audio estima el tamaño de las multitudes sin invadir la privacidad personal.

Un nuevo enfoque para el reconocimiento de voz mejora la interacción del usuario con instrucciones flexibles.

Un enfoque sólido para identificar anomalías en el audio y combatir el spoofing vocal.

Un nuevo modelo mejora la comprensión de las emociones durante las conversaciones.

Este estudio examina si los símbolos de habla aprendidos imitan los patrones de frecuencia de palabras.

Presentamos un método más rápido para la síntesis de voz de alta calidad usando modelos de difusión.

HiFTNet ofrece una síntesis de voz más rápida y de alta calidad usando técnicas innovadoras y eficientes.

Nuevo método transforma voces usando rasgos faciales para diversas aplicaciones.

AV-SUPERB evalúa modelos de audio y visuales en diferentes tareas para mejorar el rendimiento.

Un nuevo enfoque mejora la diarización de hablantes al integrar datos semánticos en el proceso.

Nuevo método mejora la velocidad y eficiencia en la generación de texto a audio.

La investigación muestra una mejor precisión en el reconocimiento de emociones a partir del habla en diferentes idiomas.

Explora cómo TTT mejora el reconocimiento de voz al adaptarse a cambios en la distribución.

Mejorando la forma en que identificamos fuentes de sonido usando datos audio-visuales.

Un método para visualizar y predecir sonidos en diferentes entornos usando tecnología avanzada.

Nuevos métodos combinan audio y metadatos para mejorar el reconocimiento de idiomas.

Un sistema diseñado para detectar ataques de presentación de voz mejora la seguridad en el reconocimiento de voz.

Mejorando el reconocimiento de voz de Whisper para el vietnamita y otros idiomas de bajo recurso.

FluentEditor mejora la edición de audio al centrarse en el flujo natural y la consistencia.

Mejorando la traducción en tiempo real con técnicas avanzadas de segmentación.

Mejorando las traducciones en tiempo real a través de métodos innovadores y políticas inteligentes.

Esfuerzos para mejorar los sistemas de ASR para el árabe tunecino y el cambio de código.