Informatique - Son

De nouveaux benchmarks améliorent les modèles de séparation audio pour la musique et le divertissement.

Une nouvelle méthode améliore les modèles de reconnaissance vocale tout en réduisant la perte de connaissances.

Explorer la performance de la reconnaissance vocale (ASR) selon les différents accents et ses implications.

Une nouvelle méthode pour créer des versions musicales uniques en réarrangeant des morceaux existants.

Un nouveau système améliore la génération de la parole avec des sorties de haute qualité.

Un nouveau modèle améliore la précision de la reconnaissance vocale pendant les discours émotionnels.

Apprends à utiliser efficacement la FM et la PM dans le design sonore.

Une nouvelle méthode améliore les tâches de reconnaissance vocale en utilisant moins de données étiquetées.

Cet article examine les récentes améliorations dans la création de descriptions audio écrites.

Technologie de reconnaissance audio efficace conçue pour les téléviseurs à faible consommation d'énergie.

SCHmUBERT propose une nouvelle façon de créer de la musique symbolique avec l'IA.

Un nouveau modèle améliore les scores de confiance dans les systèmes de reconnaissance vocale.

De nouvelles techniques améliorent la compréhension de la parole dysarthrique dans les systèmes de communication.

Une nouvelle approche non supervisée améliore l'isolation vocale dans les mélanges audio.

Un nouveau standard pour évaluer les modèles de machine learning dans la compréhension de la parole à travers les langues.

Cet article parle des méthodes pour améliorer la classification des téléphones en utilisant des caractéristiques audio.

Un nouveau modèle améliore la perception audio et les capacités de raisonnement de l'IA.

NASS améliore l'isolement vocal dans des environnements bruyants, surpassant les méthodes traditionnelles.

Améliorer les métriques de qualité sonore en utilisant de nouvelles méthodes de calcul de loudness.

AlignAtt améliore la traduction de la parole simultanée avec une vitesse et une qualité améliorées.

Une nouvelle méthode garantit la confidentialité dans la classification de la parole sans sacrifier la performance.

Cette étude montre comment adapter la technologie TTS à différents accents de manière efficace.

Le modèle AMII améliore la communication des agents sociaux interactifs grâce à un comportement non verbal amélioré.

Présentation d'un modèle qui intègre différents types de données pour des tâches complexes.

Des chercheurs améliorent la façon dont on détecte automatiquement les sons d'animaux.

Découvre comment Whisper s'adapte à différentes tâches de parole grâce à l'ingénierie des invites.

FastFit améliore la vitesse de génération de la parole sans perdre en qualité sonore.

Une nouvelle méthode améliore la détection des mots-clés dans les enregistrements audio.

Le système AED-EEND améliore la diarisation des locuteurs en intégrant des techniques avancées pour une meilleure précision.

Pengi fusionne la compréhension audio et la génération de texte en un seul modèle.

Une nouvelle méthode améliore les systèmes de détection de mots-clés pour de meilleures performances dans des audio changeants.

Un nouveau système de TTS améliore la génération de la parole dans plusieurs langues avec peu de données.

CoDi permet la création simultanée de différents types de contenu à partir de diverses entrées.

De nouvelles techniques améliorent la séparation sonore des mixes Ambisonics pour de meilleures expériences audio.

De nouvelles méthodes utilisant la parole montrent des promesses pour identifier les schémas de respiration et les problèmes de santé.

MIDI-Draw permet à tout le monde de créer de la musique en dessinant des mélodies de manière intuitive.

De nouvelles techniques inspirées du traitement d'images améliorent l'évaluation de la qualité audio.

De nouvelles méthodes améliorent la compréhension de la parole par les machines en utilisant des indices audio et visuels.

Nouveau modèle améliore la reconnaissance des mots-clés dans des environnements acoustiques difficiles.

Une nouvelle méthode améliore les modèles de parole en transférant des connaissances des modèles de texte.