Últimos artículos para Tecnología de voz

Presentamos un método más rápido para la síntesis de voz de alta calidad usando modelos de difusión.

HiFTNet ofrece una síntesis de voz más rápida y de alta calidad usando técnicas innovadoras y eficientes.

Explora cómo TTT mejora el reconocimiento de voz al adaptarse a cambios en la distribución.

Un nuevo modelo mejora la eficiencia y el rendimiento en la separación de voces.

Un estudio muestra que la augmentación de audio puede mejorar el reconocimiento de voz en lenguas con pocos recursos.

Este estudio convierte datos de MRI de la lengua en audio de voz real.

Un nuevo método mejora la eficiencia del reconocimiento de voz utilizando adaptación de bajo rango.

Un nuevo estándar para mejorar la precisión del ASR usando modelos de lenguaje.

Un nuevo enfoque para la generación de habla pequeña, eficiente y que suene natural.

Un nuevo método integra información acústica en los modelos de lenguaje para mejorar el reconocimiento de voz.

Un nuevo enfoque para sintetizar voces con una mejor precisión rítmica.

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.