Cette étude examine les faiblesses des modèles SER face aux attaques adversariales dans différentes langues.
― 7 min lire
Informatique - Son
RSSDerniers articles
Derniers articles
Apprends les techniques de localisation du son et leur utilisation dans différents domaines.
― 5 min lire
Nouveau jeu de données et méthodes améliorent la détection des deepfakes audio générés par ALM.
― 8 min lire
Un clip audio universel peut couper des modèles ASR avancés comme Whisper.
― 8 min lire
Un appareil aide à se concentrer sur des voix spécifiques dans des endroits bondés.
― 8 min lire
Une nouvelle méthode améliore le montage audio en utilisant des modèles de diffusion pour des changements précis.
― 7 min lire
SpeechVerse fait le lien entre la compréhension audio et le traitement du langage pour améliorer l'interaction humain-ordinateur.
― 8 min lire
Nouveau jeu de données met en avant les écarts de performance entre les groupes démographiques utilisant des assistants vocaux.
― 8 min lire
Cet article examine les vulnérabilités des modèles de discours et les moyens d'améliorer leur sécurité.
― 7 min lire
Comprendre et atténuer les hallucinations dans l'IA pour une performance fiable.
― 10 min lire
Une nouvelle approche utilise des réseaux de convolution de graphes pour une analyse efficace des données musicales.
― 11 min lire
De nouvelles méthodes améliorent les connexions entre les clips audio et les descriptions textuelles.
― 7 min lire
ROSVOT améliore la précision dans la transcription des voix chantées, même dans des environnements bruyants.
― 7 min lire
Explore comment les grands modèles de langage améliorent la créativité à travers la génération multimédia.
― 10 min lire
Présentation d'un modèle qui génère de l'audio et de la vidéo synchronisés avec des niveaux de bruit mélangés.
― 7 min lire
Un nouveau système améliore les interactions des robots en filtrant les discours qui se chevauchent.
― 7 min lire
Cet article parle d'un nouveau modèle simple pour générer du son à partir d'images et vice versa.
― 6 min lire
Les modèles de langage de débruitage améliorent la correction des erreurs dans les systèmes de reconnaissance vocale en utilisant des données synthétiques.
― 10 min lire
NeRAF crée des sons et des visuels synchronisés pour des expériences immersives dans divers domaines.
― 8 min lire
Une nouvelle méthode améliore l'alignement audio-vidéo en utilisant des modèles pré-entraînés.
― 8 min lire
Utiliser l'apprentissage profond pour améliorer la surveillance des émissions acoustiques des joints boulonnés.
― 9 min lire
Une nouvelle façon de combiner le chant et la danse grâce à des techniques informatiques avancées.
― 7 min lire
Découvrez une nouvelle méthode pour comprendre le mixage musical grâce à l'analyse audio.
― 7 min lire
Découvrez comment le speech inpainting restaure la qualité audio dans différents domaines.
― 8 min lire
Un nouveau système améliore la clarté de la parole dans des environnements avec plusieurs intervenants.
― 7 min lire
De nouvelles méthodes améliorent la façon dont les machines reconnaissent les émotions dans la parole.
― 7 min lire
Le modèle Frieren améliore la qualité audio et la synchronisation pour les vidéos.
― 8 min lire
Une nouvelle méthode génère des sons uniques à partir de texte en utilisant un synthétiseur simple.
― 10 min lire
Une nouvelle méthode améliore la traduction de la parole dans des environnements bruyants tout en préservant l'expressivité.
― 5 min lire
Une nouvelle méthode pour créer de la musique qui colle bien au contenu vidéo.
― 10 min lire
Seed-TTS crée une voix réaliste à partir de texte pour différentes applications.
― 6 min lire
Une nouvelle méthode améliore la conversion de la parole en chant grâce à l'apprentissage auto-supervisé.
― 9 min lire
StreamSpeech améliore la traduction de la parole en temps réel avec efficacité et qualité.
― 6 min lire
Un nouveau modèle améliore la reconnaissance vocale en utilisant plusieurs méthodes de décodage.
― 9 min lire
Une étude sur l'amélioration de la reconnaissance vocale automatique pour les dialectes arabes en utilisant des techniques de modèle efficaces.
― 6 min lire
Présentation de BLSP-Emo, un modèle qui comprend la parole et les émotions pour de meilleures interactions.
― 6 min lire
Une étude récente reproduit des résultats clés sur l'interprétation des données en utilisant le son et les visuels.
― 8 min lire
Un système qui relie les sons aux visuels, améliorant la compréhension des machines.
― 8 min lire
Le nouveau modèle ARDiT améliore la synthèse vocale et l'édition de la parole.
― 7 min lire
Présentation de SPICE, une tâche pour améliorer les interactions avec l'IA en utilisant des infos contextuelles.
― 10 min lire
La recherche présente le dataset MOSA, qui améliore la compréhension des aspects visuels et auditifs de la musique.
― 9 min lire