Informática - Sonido

Un nuevo método mejora la conversión de voz a canto usando aprendizaje auto-supervisado.

StreamSpeech mejora la traducción de voz en tiempo real con eficiencia y calidad.

Un nuevo modelo mejora el reconocimiento de voz usando múltiples métodos de decodificación.

Un estudio sobre cómo mejorar el reconocimiento de voz automática (ASR) para dialectos árabes usando técnicas de modelos eficientes.

Te presento BLSP-Emo, un modelo que entiende el habla y las emociones para tener mejores interacciones.

Un estudio reciente replica hallazgos clave sobre la interpretación de datos usando sonido y visuales.

Un sistema que conecta sonidos con imágenes, mejorando la comprensión de las máquinas.

El nuevo modelo ARDiT mejora la síntesis de texto a voz y la edición de audio.

Te presento SPICE, una tarea para mejorar las interacciones de la IA usando información contextual.

La investigación presenta el conjunto de datos MOSA, mejorando la comprensión de los aspectos visuales y auditivos de la música.

mHuBERT-147 procesa el habla en varios idiomas de manera eficiente.

Un nuevo enfoque para la subtitulación de audio reduce la dependencia de datos emparejados.

Nuevos métodos mejoran cómo las máquinas reconocen emociones en el habla humana.

Investigando vulnerabilidades en métodos de marca de agua de audio contra amenazas del mundo real.

PianoMotion10M ofrece movimientos de manos detallados para ayudar a los que aprenden piano.

Un nuevo modelo mejora la coincidencia de sonido con acciones visuales en videos.

Nuevo modelo mejora experiencias de audio realistas en entornos virtuales.

Este estudio analiza métodos de audio para rastrear el movimiento de peatones en áreas urbanas.

Un nuevo conjunto de datos mejora la creación de audio foley para contenido multimedia.

Nuevos métodos mejoran el reconocimiento de voz en entornos ruidosos usando técnicas adaptativas.

SPEAR predice el comportamiento del sonido en espacios 3D usando una mínima recolección de datos.

Un nuevo método mejora la traducción de habla en varios idiomas al inglés.

Un nuevo método mejora la precisión de verificación de hablantes en entornos de radio difíciles.

Nuevo método apunta a cambios de ritmo para ataques de habla sigilosos.

GAMA mejora el procesamiento de audio al fusionar conocimientos de sonido y lenguaje.

GigaSpeech 2 ofrece un montón de datos para lenguas de pocos recursos para mejorar el reconocimiento de voz.

Un nuevo modelo mejora la tecnología de texto a voz con eficiencia y adaptabilidad.

Un nuevo método que optimiza el análisis y la síntesis del habla usando los movimientos del tracto vocal.

Este estudio examina cómo los gestos afectan el aprendizaje de los agentes virtuales.

Infórmate sobre la diarización de hablantes en línea y su importancia en varias aplicaciones.

Nueva herramienta de referencia evalúa tokens de audio discretos para varias tareas de procesamiento de voz.

Un nuevo método para la generación de música usando matrices de auto-similitud y sistemas de atención.

Nuevas técnicas mejoran la modelación de amplificadores de guitarra usando datos no emparejados y GANs.

Un nuevo método para entender cómo los modelos de audio hacen predicciones.

Introduciendo la conversión de voz espacial para mejorar el realismo y la inmersión del audio.

La investigación explora cómo el análisis del habla puede predecir el riesgo de suicidio, considerando las diferencias de género.

Este documento presenta un sistema para crear visuales que responden a la música.

Un nuevo sistema ayuda a los robots a aprender tareas utilizando audio de demostraciones en la vida real.

Nuevos métodos mejoran la precisión al reconocer sonidos superpuestos de diversas fuentes de audio.

Un nuevo método combina características acústicas y puntuaciones de confianza para mejorar la corrección de errores.