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

Un nuevo marco mejora el estudio de los sistemas de reconocimiento de voz no supervisados.

Este proyecto ayuda a cualquiera a componer música usando ritmos básicos y métodos informáticos avanzados.

Los modelos auto-supervisados revelan ideas sobre las distinciones fonéticas y fonémicas en el habla.

La investigación explora el uso de reconocimiento de voz en el análisis de grabaciones de cámaras corporales de la policía.

Nuevos métodos mejoran la precisión en la detección de estrés vocal a corto plazo.

Una mirada a cómo las computadoras están cambiando la composición musical.

Nuevas técnicas mejoran la comprensión emocional en tareas de procesamiento de habla.

El nuevo modelo LinDiff mejora la velocidad y calidad de la síntesis de voz.

Un nuevo enfoque para la compresión de audio reduce el tamaño del archivo sin perder calidad.

Técnicas para mejorar el reconocimiento de voz en medio de ruido de fondo.

La comprensión multimodal del lenguaje mejora el rendimiento de los asistentes de voz en condiciones reales.

HiddenSinger mejora la calidad de la voz cantando usando técnicas avanzadas de IA.

Nuevos métodos mejoran la claridad del habla para usuarios de electrolaringes.

Investigadores combinan características visuales y sonoras para mejorar el habla de los usuarios de electrolaringe.

Un estudio destaca cómo el envejecimiento afecta el rendimiento de la verificación automática del hablante.

PauseSpeech mejora los sistemas TTS con una voz que suena más natural gracias a pausas mejoradas.

Esta investigación presenta un sistema para emparejar música con contenido de video de manera efectiva.

Nuevos métodos mejoran el rendimiento del reconocimiento automático de voz en medio del ruido de fondo.

Esta investigación resalta cómo los LLMs mejoran la comprensión del habla en videos largos.

Un nuevo método optimiza los modelos de voz para un mejor rendimiento con menos recursos.

Un enfoque nuevo mejora cómo evaluamos la calidad del audio espacial.

Un estudio sobre cómo distinguir entre el habla leída y la espontánea.

Un nuevo modelo mejora el realismo del discurso sintético.

Malafide introduce técnicas de suplantación sofisticadas, complicando las contramedidas en el reconocimiento de voz.

Un nuevo modelo mejora la precisión y eficiencia en el seguimiento de fuentes de sonido.

Un nuevo conjunto de datos mejora la comprensión del lenguaje hablado para el italiano.

MCR-Data2vec 2.0 mejora el reconocimiento de voz al hacer que el modelo sea más consistente.

EM-Network mejora el aprendizaje de secuencias en tareas de procesamiento de habla y lenguaje.

Nuevos métodos mejoran el reconocimiento de voz multilingüe usando fuentes de datos existentes.

La investigación se centra en mejorar la tecnología de voz para idiomas que no tienen suficientes datos.

Una mirada a los avances recientes en la mejora de la claridad de audio usando modelos avanzados.

Un nuevo conjunto de datos tiene como objetivo clasificar partituras de piano por nivel de dificultad.

El marco Gesper mejora la claridad del habla en entornos ruidosos.

Este estudio presenta un nuevo método para mejorar la calidad del habla usando modelos preentrenados.

Combinar audio, video y texto mejora la detección de discursos de odio.

Este artículo habla sobre un nuevo método para construir sistemas ASR eficientes.

Un nuevo enfoque mejora el reconocimiento de voz directamente en los smartphones mientras garantiza la privacidad del usuario.

Un nuevo método mejora la precisión para identificar a los hablantes durante las conversaciones.

Equipos mejoran la identificación de sonidos de animales con pocos ejemplos en el desafío DCASE.

Aprende sobre sistemas de etiquetado de audio y su uso en Raspberry Pi.