Informática - Sonido

ParaEVITS mejora la expresión emocional en TTS a través de la guía del lenguaje natural.

Aprende cómo la inpainting de audio restaura partes faltantes de las señales.

Nuevos métodos mejoran la comprensión del lenguaje hablado a través de un conjunto de datos innovador.

Un nuevo marco mejora la precisión en la confirmación de la identidad vocal.

Nuevos métodos mejoran la conversación entre humanos y robots al aumentar la claridad del habla.

Nuevos métodos mejoran el acceso a noticias habladas al segmentar mejor los temas.

Un estudio sobre las capacidades de los LLMs para entender intervalos musicales, acordes y escalas.

Un nuevo método para etiquetar música usando aprendizaje de pocos ejemplos muestra resultados prometedores.

FlowSep presenta un nuevo método para extraer sonidos usando consultas de lenguaje.

SSR-Speech ofrece nuevas soluciones para la generación y edición de voz.

Los avances en IA hacen que el audio falso sea común, lo que genera la necesidad de detección.

Nuevo modelo mejora la generación de voz en diversos dialectos de lenguas con acento tonal.

Un nuevo método mejora la precisión de la localización sonora y asegura la privacidad de los datos.

SoloAudio mejora la extracción de sonido usando técnicas avanzadas y datos sintéticos.

OpenACE ofrece un punto de referencia justo para evaluar códecs de audio en distintas condiciones.

Un método para identificar fallos en motores eléctricos a través del análisis de sonido y redes neuronales bayesianas.

Los modelos de reconocimiento de voz están evolucionando con la predicción de múltiples tokens para respuestas más rápidas.

Esfuerzos para mejorar la tecnología de voz para el idioma Faetar, que tiene pocos recursos.

Un nuevo método de zero-shot mejora la precisión de la conversión de voz y minimiza la filtración de sonido.

Un estudio revela cómo cambian los tonos en el habla cotidiana del mandarín taiwanés.

Nuevo enfoque mejora la isolación de voz en ambientes de audio mixto usando tokens discretos.

La investigación relaciona pinturas con música al interpretar emociones.

Un nuevo método mejora la detección automática de problemas del habla relacionados con la enfermedad de Parkinson.

Un nuevo enfoque mejora los sistemas de ASR para una mejor comunicación en el aula.

Este artículo explora cómo diferentes entradas pueden mejorar la precisión del reconocimiento de voz.

Un sistema que hace que crear música sea fácil y accesible para todos los niveles de habilidad.

ReCLAP mejora la clasificación de audio con indicaciones detalladas para una mejor precisión.

Un proyecto busca mejorar la tecnología de voz para quienes tienen dificultades de comunicación.

MambaFoley revoluciona la síntesis de sonido Foley con un mejor timing y realismo.

Un nuevo sistema mejora la precisión del acento en TTS para una mejor comunicación.

Usar embeddings de CLAP mejora mucho los sistemas de recomendación de música.

Un estudio explora el desarrollo de ASR para Amis y Seediq, centrándose en el uso de datos.

Los investigadores desarrollan nuevas estrategias para distinguir a los animales individuales usando sus sonidos únicos.

Un nuevo método simplifica la detección de sirenas para mejorar la seguridad de los vehículos.

Un nuevo enfoque combina la detección de eventos sonoros y la diarización de hablantes para una mejor comprensión del audio.

Un nuevo enfoque mejora el ASR al centrarse en detalles específicos del hablante.

Un estudio que revela cómo los modelos de deep learning reconocen emociones en el habla.

Una herramienta fácil de usar para ajustar modelos de voz sin necesidad de código complicado.

Nuevos métodos mejoran el aislamiento acústico de entornos ruidosos sin necesidad de datos etiquetados.

Un nuevo enfoque aborda la variación de canal en los sistemas de reconocimiento de voz.