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

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.

Métodos innovadores buscan adaptar la generación de música a las preferencias del usuario.

Un nuevo modelo mejora la eficiencia y el rendimiento en la separación de voces.

Un nuevo enfoque evalúa la calidad del audio usando múltiples micrófonos en diferentes entornos.

Un nuevo método mejora la separación del sonido en diferentes frecuencias.

Explora los avances en la cancelación de eco para mejorar la calidad de las llamadas.

Un nuevo método mejora la generación de música al agregar contexto de interpretación.

Un nuevo enfoque genera subtítulos de audio usando solo texto, mejorando la eficiencia de datos.

Explorando los desafíos y las innovaciones para emparejar grabaciones de audio con partituras.

Un nuevo enfoque aprovecha el aprendizaje autosupervisado para conectar el audio y la partitura.

Un nuevo método mejora la coincidencia entre audio y partituras.

Usando k-means para optimizar datos de audio y mejorar el entrenamiento del modelo.

Un estudio muestra que la augmentación de audio puede mejorar el reconocimiento de voz en lenguas con pocos recursos.

Un nuevo enfoque mejora la eficiencia en modelos de reconocimiento de voz multilingües al integrar técnicas de enmascaramiento adaptativo.

Investigando audio deepfake para mejorar modelos de transcripción para idiomas menos comunes.

Nuevas estrategias mejoran el aprendizaje con etiquetas débiles al seleccionar ejemplos negativos relevantes.

Un nuevo método para marcar audio creado por modelos de difusión para proteger la propiedad.

Nuevas técnicas mejoran los sistemas de ASR para un mejor reconocimiento de discursos largos.

Nuevas técnicas buscan mejorar la precisión de los dispositivos activados por voz contra ataques.

DurIAN-E mejora el habla sintética con una expresividad y fluidez natural mejoradas.

Descubre cómo SER mejora la interacción entre humanos y máquinas a través de la detección de emociones.

Un método para elegir el mejor modelo de ASR basado en características de audio.

Aprende cómo la dereverberación mejora el reconocimiento de voz en ambientes ruidosos.