Últimos artículos para Reconocimiento de voz

Un nuevo método mejora el diálogo de las máquinas mediante datos pseudo-estéreo.

Este estudio presenta un conjunto de datos y un método para mejorar la precisión del reconocimiento de voz en chino usando Pinyin.

Este estudio se centra en mejorar la detección de audio deepfake usando métodos avanzados.

Entender la incertidumbre mejora la precisión del reconocimiento emocional en situaciones del mundo real.

Un sistema para el reconocimiento de hablantes en audio multilingüe sin necesidad de muchos datos.

Mejorando la tecnología de anonimización de hablantes para nueve idiomas para asegurar la privacidad.

La investigación destaca el papel del video en mejorar el reconocimiento del habla en entornos ruidosos.

Un nuevo método mejora la precisión al reconocer el habla de múltiples hablantes.

Explora cómo la corteza auditiva integra el sonido a lo largo del tiempo.

Un nuevo método mejora la claridad del habla en entornos ruidosos usando redes neuronales duales.

El modelo XLSR-Transducer se destaca en la transcripción en tiempo real con datos mínimos.

Un nuevo modelo mejora la precisión en las capacidades de conversión de voz a texto en varios idiomas.

La investigación revela riesgos en modelos de habla multitarea como Whisper.

TokenVerse simplifica el análisis de conversaciones habladas al integrar múltiples tareas en un solo modelo.

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

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

Este estudio analiza cómo las redes neuronales interpretan el habla usando espectrogramas.

Aprende cómo el contexto mejora la precisión del reconocimiento automático de voz y el reconocimiento de palabras.

Este estudio utiliza fiwGAN para explorar los patrones de armonía vocálica en el idioma asamés.

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

Este artículo habla sobre cómo mejorar el formato de expresión numérica en transcripciones automáticas.

Los investigadores exploran enfoques sin texto para entender mejor el lenguaje hablado.

Un nuevo modelo mejora la claridad del habla al atacar el ruido y los ecos.

Un nuevo conjunto de datos potencia la atención médica con sistemas de preguntas basados en voz para imágenes médicas.

Un estudio sobre cómo mejorar la precisión de la transcripción a través de un mejor diseño de prompts.

Un nuevo enfoque mejora los sistemas SER al usar descripciones de ambientes ruidosos.

Combinar TTS y datos reales mejora efectivamente los sistemas de reconocimiento de voz.

Nuevo método mejora la conversión de el habla silenciosa a audio comprensible.

Un nuevo método mejora la separación de voces en entornos ruidosos con múltiples hablantes.

Este estudio presenta un método para evaluar el significado de las señales sonoras.

Nuevos métodos buscan mejorar el reconocimiento del habla susurrada en sistemas automáticos.

Los modelos de IA mejoran la precisión de las conversiones de voz a texto.

Examinando técnicas para proteger la privacidad mientras se analizan conversaciones grabadas.

Un nuevo modelo integra datos de audio y visuales para el reconocimiento y la traducción del habla.

Nuevos métodos mejoran la precisión del reconocimiento de voz para acentos diversos.

Wav2graph crea grafos de conocimiento a partir del lenguaje hablado para mejorar la comprensión de la IA.

MulliVC transforma voces entre idiomas con una precisión y claridad impresionantes.

Nuevo sistema de navegación para robots entiende órdenes habladas a través de emociones.

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.