Informática - Sonido

AlignAtt mejora la traducción de voz simultánea con mayor velocidad y calidad.

Un nuevo método asegura la privacidad en la clasificación de voz sin sacrificar el rendimiento.

Este estudio muestra cómo adaptar la tecnología TTS a diferentes acentos de manera eficiente.

El modelo AMII mejora la comunicación para agentes socialmente interactivos a través de un mejor comportamiento no verbal.

Presentamos un modelo que integra varios tipos de datos para tareas complejas.

Los investigadores están mejorando cómo detectamos los sonidos de los animales de forma automática.

Descubre cómo Whisper se adapta a diferentes tareas de habla usando ingeniería de prompts.

FastFit mejora la velocidad de generación de voz sin perder calidad de sonido.

Un nuevo método mejora la detección de palabras clave en grabaciones de audio.

El sistema AED-EEND mejora la diarización de hablantes al integrar técnicas avanzadas para una mejor precisión.

Pengi combina la comprensión de audio y la generación de texto en un solo modelo.

Un nuevo método mejora los sistemas de detección de palabras clave para un mejor rendimiento en audio cambiante.

Un nuevo sistema TTS mejora la generación de voz en varios idiomas con datos limitados.

CoDi permite generar al mismo tiempo diferentes tipos de contenido a partir de varias entradas.

Nuevas técnicas mejoran la separación de sonido en mezclas de Ambisonics para unas experiencias de audio mejores.

Nuevos métodos que usan el habla muestran promesas para identificar patrones de respiración y condiciones de salud.

MIDI-Draw permite a cualquiera hacer música dibujando melodías de forma intuitiva.

Nuevas técnicas que toman prestado del procesamiento de imágenes mejoran la evaluación de la calidad del audio.

Nuevos métodos mejoran la comprensión del habla por parte de las máquinas usando señales de audio y visuales.

Nuevo modelo mejora el reconocimiento de palabras clave en entornos acústicos desafiantes.

Un nuevo método mejora los modelos de habla al transferir conocimiento de los modelos de texto.

Una colección de sonidos respiratorios ayuda a identificar casos de COVID-19.

Un nuevo modelo mejora la verificación de hablantes con técnicas eficientes.

Una mirada detallada a las técnicas de reconocimiento de hablantes desarrolladas para la competencia de 2022.

Un nuevo enfoque entrena a la IA para reconocer mejor el habla y las emociones en entornos ruidosos.

Nuevos métodos buscan mejorar la comprensión de la dinámica familiar y la salud mental de los niños.

Nuevos métodos de aprendizaje profundo mejoran las predicciones del movimiento del diafragma del hablante.

Explorando cómo ciwGAN puede aprender y representar características fonológicas como la nasalidad.

Un nuevo modelo mejora la eficiencia y precisión del reconocimiento de voz.

Un nuevo método mejora la precisión del reconocimiento de voz usando información contextual.

Los investigadores usan GANs para generar audio ruidoso a partir de audio limpio, mejorando los modelos de voz.

El corpus JNV captura sonidos emocionales diversos en japonés, enriqueciendo las colecciones existentes.

Nuevos métodos mejoran la generación de risas para interacciones realistas entre humanos y computadoras.

Una mirada a cómo identificar audio falso en el mundo tecnológico de hoy.

Un nuevo método mejora la detección de emociones en el habla mediante técnicas avanzadas de transformadores.

Usando modelos de texto para mejorar la generación de voz y así entender mejor.

C-MCR simplifica el aprendizaje multimodal al conectar el conocimiento existente de manera eficiente.

FluentSpeech ofrece una solución automática para editar el habla de manera más fluida.

MDA mejora el reconocimiento de voz al optimizar modelos para áreas de datos específicas.

Investigaciones muestran que las señales del cerebro pueden ayudar a predecir los movimientos de la lengua durante el habla.