Últimos artículos para Tecnología de voz

Técnicas innovadoras para mejorar los modelos de TTS y reducir la pérdida de conocimiento.

Este estudio revisa cómo el tamaño del lote influye en el rendimiento y entrenamiento del modelo de voz.

Un nuevo método mejora el rendimiento y la eficiencia del modelo de voz en entornos ruidosos.

Un estudio sobre cómo mejorar los sistemas de TTS con muestras de voz diversas.

La investigación identifica y clasifica los dialectos kurdos sorani usando grabaciones de audio extensas.

RALL-E mejora la síntesis de texto a voz para que suene más clara y natural.

Nuevos métodos mejoran la representación de audio a través de técnicas de aprendizaje auto-supervisado.

Nuevo modelo permite un control preciso de las cualidades de la voz mientras se mantiene el contenido.

Un nuevo marco para evaluar modelos base en tareas de habla.

Un estudio revela que los usuarios prefieren agentes de voz estáticos en lugar de adaptativos.

FlashSpeech ofrece soluciones de síntesis de voz rápidas y de alta calidad.

SEANet mejora el aislamiento del hablante al reducir el ruido en el procesamiento de audio.

Un método de aprendizaje activo en dos etapas mejora la precisión del reconocimiento de voz con menos datos.

Este estudio evalúa el rendimiento de los sistemas de ASR con personas que tartamudean.

Este artículo investiga las vulnerabilidades en los modelos de voz y formas de mejorar su seguridad.

Nuevos métodos mejoran cómo las máquinas reconocen emociones en el habla.

Seed-TTS crea habla realista a partir de texto para varias aplicaciones.

El nuevo modelo ARDiT mejora la síntesis de texto a voz y la edición de audio.

mHuBERT-147 procesa el habla en varios idiomas de manera eficiente.

Nuevos métodos mejoran el reconocimiento de voz en entornos ruidosos usando técnicas adaptativas.

Un nuevo método que optimiza el análisis y la síntesis del habla usando los movimientos del tracto vocal.

Un estudio sobre cómo mejorar la segmentación de audio integrando incrustaciones de hablante.

Nuevos esfuerzos tienen como objetivo apoyar los dialectos yoruba en la tecnología del lenguaje.

Este artículo habla sobre cómo Wav2Vec2.0 procesa los sonidos del habla usando fonología.

Este estudio evalúa la tecnología de voz en lenguas de bajos recursos como el árabe tunecino.

Mejorando la síntesis de voz para generar voces más naturales y expresivas.

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

Emilia ofrece un conjunto de datos diverso para mejorar los modelos de generación de voz.

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

Un nuevo método mejora la detección de tartamudeo combinando datos de audio, video y texto.

La investigación presenta nuevos métodos para evaluar sistemas de reconocimiento de voz en polaco.

Un nuevo conjunto de datos mejora el habla de máquina para el mandarín, buscando una expresión más natural.

Explora la creciente importancia de la edición de audio para creadores de contenido.

Nuevos métodos mejoran los sistemas de voz para lenguas poco representadas.

La investigación combina la mejora del habla y el aprendizaje por transferencia para mejores sistemas anti-spoofing.

Nuevos métodos mejoran la expresión emocional en la síntesis de voz de máquinas.

Speech-MASSIVE busca mejorar la comprensión del lenguaje hablado en varios idiomas.

Técnicas innovadoras protegen datos de voz sensibles mientras mantienen la precisión del procesamiento.

OpenOmni crea herramientas flexibles para hacer y probar agentes de conversación.

SSL-TTS simplifica la síntesis de voz usando pocos datos de entrenamiento para obtener resultados de alta calidad.