Últimos artículos para Reconocimiento de voz

El modelo TOGGL mejora la precisión de la transcripción en situaciones de habla superpuesta.

Un método para mejorar la calidad del reconocimiento de voz en entornos ruidosos.

Los investigadores desarrollan SaSLaW para mejorar la adaptación del habla de las máquinas en diferentes entornos.

Un nuevo conjunto de datos resalta los sesgos en los modelos de lenguaje según el género y la edad.

La investigación revela cómo hacer que los modelos de voz sean más pequeños y eficientes.

El entrenamiento adversarial mejora la precisión del reconocimiento de palabras clave en habla sintética y real.

Un nuevo estándar mejora la evaluación de los sistemas de reconocimiento de emociones en el habla a través de distintos idiomas y emociones.

Nuevos métodos mejoran los modelos de ASR para múltiples idiomas, preservando el conocimiento pasado.

Un nuevo enfoque mejora el reconocimiento de frases en código mezclado en el habla bilingüe.

Un nuevo método para manejar mejor las secuencias de datos largas.

Examinando cómo los patrones de voz afectan el significado y el rendimiento tecnológico.

Una mirada a las complejidades de identificar pistas de audio mezcladas.

O-HuBERT mejora el reconocimiento de voz al separar la información del contenido y la información expresiva.

Un nuevo método mejora el reconocimiento de voz para Hindi usando técnicas de pseudoetiquetado.

Un sistema para clasificar los dialectos literarios y coloquiales del tamil usando características de sonido.

Nuevos métodos mejoran la comprensión de la computadora sobre el habla susurrada y normal.

Una mirada a la recorte de micro-lotes y sus beneficios para el entrenamiento de modelos.

La investigación muestra cómo los LLMs mejoran el reconocimiento automático de voz en japonés.

Este artículo examina cómo los modelos reconocen el tono, el estrés y los acentos de pitch.

SALSA mejora la precisión del reconocimiento de voz para lenguas de pocos recursos al integrar ASR y modelos de lenguaje.

Nuevo método mejora la precisión de ASR usando modelos de lenguaje para mejores transcripciones.

Un nuevo sistema corrige errores de identificación de hablantes para tener transcripciones de conversación más claras.

Mejorando la claridad del habla a través de filtros híbridos y redes neuronales.

Un nuevo modelo mejora el reconocimiento de voz al combinar de manera efectiva las entradas de audio y visuales.

Nuevos métodos mejoran el reconocimiento de voz en situaciones difíciles con varios hablantes.

Un nuevo método mejora el reconocimiento automático de voz al preservar el orden del sonido en la transferencia de conocimiento.

Este estudio examina cómo el ruido puede mejorar la resistencia del reconocimiento del habla frente a desafíos.

Un transductor innovador y liviano mejora la eficiencia y precisión del reconocimiento de voz.

Este artículo compara las representaciones de voz discretas y continuas para un reconocimiento de voz efectivo.

La investigación revela cómo las neuronas en los modelos de habla reconocen las características clave del sonido.

Este estudio examina cómo la autoatención afecta el reconocimiento del habla en turco e inglés.

Un enfoque de aprendizaje auto-supervisado reduce la necesidad de datos de audio etiquetados.

TF-Mamba mejora la localización del sonido usando un enfoque novedoso que integra datos de tiempo y frecuencia.

La investigación sobre sistemas ASR modulares busca mejorar el rendimiento en entornos ruidosos.

Te presentamos DENSE, un método que mejora la extracción de habla objetivo usando embeddings dinámicos.

Este método mejora la precisión del reconocimiento para nombres poco comunes en las salidas de voz.

Mejorando la identificación de palabras habladas a través de señales visuales en idiomas con pocos recursos.

BigCodec mejora la calidad de sonido en la transmisión de audio a baja tasa de bits.

Este artículo habla sobre los beneficios de simplificar modelos de transformers para tareas de voz.

Sortformer integra diarización de hablantes y ASR para mejorar el procesamiento de audio.