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

Nuevo modelo consigue una transcripción de voz más rápida sin sacrificar la precisión.

Descubre cómo los embeddings Matryoshka mejoran la eficiencia y flexibilidad del reconocimiento de hablantes.

Te presentamos NanoVoice, un modelo de texto a voz rápido y eficiente para audio personalizado.

El nuevo modelo VoiceGuider mejora el TTS para diferentes hablantes.

Un nuevo método para convertir voces entre idiomas manteniendo las características únicas.

Nuevas técnicas mejoran la calidad del habla expresiva entre diferentes hablantes.

Este artículo explora el papel de las métricas perceptuales en la clasificación de géneros musicales.

Un nuevo método mejora el procesamiento de voz y audio en varias tareas.

Un nuevo sistema mejora la identificación de los hablantes en discusiones con varios participantes.

Un nuevo marco mejora la expresión emocional en los sistemas TTS.

Hallazgos recientes revelan que los sensores de presión se pueden usar para espiar.

Un nuevo algoritmo mejora la detección de eventos sonoros usando aprendizaje auto-supervisado.

La investigación se centra en mejorar los métodos para detectar discursos falsos realistas.

Un nuevo método simplifica la creación de audio y video para una mejor sincronización.

Controla los efectos de audio usando descripciones simples para hacer ajustes de sonido más fáciles.

Presentamos un nuevo modelo y benchmark para evaluar tareas de audio múltiple.

Un nuevo sistema modela la intensidad emocional en personajes animados para un realismo mejorado.

OpenSep automatiza la separación de audio para experiencias sonoras más claras sin necesidad de intervención manual.

PALM mejora el reconocimiento de audio al optimizar la representación de los mensajes y la eficiencia.

Explora cómo los giros y el grosor del alambre impactan el sonido de las pastillas de guitarra.

Un nuevo método mejora el reconocimiento de voz para grabaciones largas.

Este estudio analiza cómo el audio, el video y el texto funcionan juntos en el reconocimiento de voz.

Un nuevo modelo mejora la naturalidad en los sistemas de texto a voz analizando los patrones de tono.

Un nuevo modelo mejora la representación del habla para las lenguas africanas, aumentando la inclusión en la tecnología.

Un nuevo modelo mejora la creación musical usando melodía y descripciones de texto.

Nuevo método para modelos de lenguaje de voz reduce la necesidad de grandes cantidades de datos.

Aprende cómo funciona la conversión de voz y sus aplicaciones emocionantes.

Descubre cómo CCI mejora las evaluaciones de calidad multimedia.

Los investigadores combinan señales de audio y visuales para detectar mentiras con más precisión.

Una nueva red basada en voz cierra las brechas de idioma en emergencias.

Aprende cómo los asistentes virtuales entienden mejor los comandos de los usuarios.

MACE mejora la subtitulación de audio al conectar sonidos con descripciones de texto precisas.

Usando machine learning para predecir la reacción del público a las versiones de canciones.

Un nuevo enfoque para mejorar la clasificación a través de la Pérdida de Distribución de Distancia Angular.

Nuevos métodos mejoran las herramientas de comunicación para personas con dificultades de habla.

Nuevos métodos con modelos de lenguaje mejoran la detección de sonido en medio del ruido de fondo.

Fish-Speech mejora la tecnología de voz para una experiencia de comunicación más natural.

EmoSphere++ permite que las máquinas expresen emociones como los humanos, mejorando las interacciones.

U-COTANS mejora la detección de límites submarinos usando técnicas de deep learning.

PIAST ofrece una colección única de música de piano para investigadores.