Informática - Sonido

Este artículo examina la latencia de varios sistemas de diarización de locutores en el procesamiento de audio.

Un nuevo conjunto de datos busca mejorar el reconocimiento de voz para hablantes de inglés no nativos.

Un nuevo marco, BiosERC, mejora el reconocimiento de emociones al considerar las características del hablante.

Este estudio examina cómo varían las preferencias de voz entre diferentes oyentes.

Este artículo presenta un método para generar sonido preciso a partir de videos y texto.

Un nuevo modelo mejora la simulación de instrumentos de cuerda para un sonido más realista.

Presentamos un método para tener mejor control en la edición de audio.

Un estudio sobre cómo clasificar la música según su época usando características de audio y opiniones de artistas.

Un nuevo modelo mejora el estudio de la comunicación animal usando datos de audio en bruto.

Un nuevo sistema mejora la eficiencia del procesamiento de señales a través de métodos de codificación innovadores.

Un equipo enfrenta los desafíos de identificación de cantos de aves en la competencia BirdCLEF 2024.

Presentamos datasets MERGE para mejorar la clasificación de emociones en la música.

Este estudio examina el Mix-Training para detectar palabras clave en condiciones de habla ruidosa.

Un nuevo método ayuda a que los modelos más pequeños funcionen mejor usando pistas de modelos más grandes.

Explora las actualizaciones en la versión 3 del conjunto de datos Divide and Remaster.

Una visión general de los conjuntos de datos utilizados en modelos de audio-lenguaje y su importancia.

Un sistema de auriculares confiable monitorea las tasas de respiración durante varias actividades diarias.

Mejorando los sistemas de reconocimiento de voz para idiomas con pocos datos en línea.

Combinando sonido e imágenes para sistemas de reconocimiento más inteligentes.

Un método para mejorar la detección de deepfakes de audio mediante la augmentación de datos.

Beat-It genera movimientos de baile sincronizados para mejorar la coreografía sin esfuerzo.

Los investigadores buscan crear sonidos que coincidan con videos en silencio, mejorando la experiencia de los espectadores.

Este estudio aborda los problemas con los sistemas de SLU y su capacidad para generalizar.

Una herramienta auto-supervisada para estimar las tonalidades musicales, reduciendo la necesidad de anotaciones de expertos.

Diff-MST mejora la mezcla de música aplicando transferencia de estilo de pistas de referencia.

Un nuevo modelo mejora la comunicación para personas con discapacidades usando reconocimiento de voz y código Morse.

ElasticAST permite procesar audio de longitud variable de manera eficiente sin perder detalles importantes.

Analizando métodos de identificación de cantantes en medio de crecientes preocupaciones sobre el clonaje de voces.

Un enfoque nuevo mejora la detección de clips de audio reales y falsos mezclados.

Mamba promete mucho contra transformers en tareas de habla, especialmente con entradas largas.

SingFlex ofrece soluciones innovadoras para crear voces de canto diversas de manera eficiente.

Un estudio sobre la complejidad de las melodías de danza tradicional irlandesa usando métodos de compresión.

RefinPaint mejora la creación musical identificando y puliendo las áreas débiles de manera efectiva.

Un nuevo marco mejora el rendimiento de la verificación de hablantes con datos limitados.

Explorando nuevas formas en que la IA puede colaborar con músicos a través de la interpretación.

CADE mejora la detección de audio contra amenazas de suplantación en evolución usando técnicas de aprendizaje continuo.

Un nuevo método ayuda a los robots a encontrar objetos caídos usando sonido.

Los nuevos sistemas de comandos de voz mejoran el control de drones sin necesidad de usar las manos.

Nuevas técnicas permiten una mejor emulación de amplificadores de guitarra y efectos.

Un nuevo marco mejora el rendimiento de ASR usando datos y recursos limitados.