Informatique - Son

Cet article présente un système TTS plus efficace qui s'adapte aux intervenants.

De nouvelles méthodes améliorent les modèles de parole pour les langues avec peu de données.

Comprendre l'incertitude améliore la précision de la reconnaissance des émotions dans des situations réelles.

Une nouvelle méthode améliore la précision de l'alignement des phonèmes pour différentes applications de la parole.

Une étude sur la traduction de l'anglais nigérian pour une meilleure accessibilité dans les films de Nollywood.

Cet article présente un système à double encodeur pour un apprentissage efficace de la représentation de la parole.

MelodyT5 propose une nouvelle approche pour créer et analyser de la musique en utilisant une notation symbolique.

Le dataset GTZAN-synth utilise de la musique synthétique pour améliorer les systèmes de tagging musical.

MelodyLM simplifie la création de musique en utilisant des entrées textuelles et vocales.

Le modèle SAVE améliore la segmentation audio-visuelle avec efficacité et précision.

Nouveau modèle améliore la traduction de la parole en texte en utilisant des grands modèles de langage.

La recherche propose un modèle qui relie les enregistrements sonores aux mouvements de la bouche pour la parole.

Cet article parle de comment Wav2Vec2.0 traite les sons de la parole en utilisant la phonologie.

Améliorer la technologie d'anonymisation des locuteurs pour neuf langues afin de garantir la vie privée.

Explorer le rôle de la technologie dans l'amélioration de l'efficacité et du bien-être de l'aquaculture.

Une approche novatrice combine l'analyse vocale avec la protection de la vie privée pour détecter la démence.

De nouvelles méthodes améliorent la précision pour identifier les sons des animaux pour le suivi de la faune.

Une nouvelle méthode améliore la précision dans la reconnaissance de la parole de plusieurs intervenants.

Le BPE acoustique améliore l'intelligibilité et la qualité de la parole dans les systèmes TTS.

Une nouvelle méthode améliore la clarté de la parole dans des environnements bruyants en utilisant des réseaux de neurones doubles.

Une nouvelle méthode améliore la gestion des accents différents par les systèmes ASR grâce à des codebooks spécialisés.

De nouvelles méthodes améliorent la précision et l'efficacité des systèmes de reconnaissance vocale.

Une nouvelle méthode améliore la localisation sonore dans des environnements variés en se concentrant sur l'apprentissage continu.

Une nouvelle méthode améliore la détection d'événements sonores en intégrant efficacement de nouvelles classes audio.

WildDESED améliore les systèmes de détection sonore dans des environnements bruyants à la maison.

Une étude révèle comment différents genres musicaux activent des zones cérébrales distinctes.

Règles essentielles pour soumettre des articles à NeurIPS 2024.

Cet article parle d'améliorer la MUSIQUE avec le calcul approximatif pour de meilleures performances.

Un nouveau système améliore la précision et l'efficacité de la transcription musicale multi-instruments.

Un nouveau modèle améliore la précision des capacités de reconnaissance vocale en texte dans plusieurs langues.

Progrès dans la prédiction de la qualité de la parole avec des méthodes efficaces pour les appareils mobiles.

Une méthode pour améliorer le timbre dans la production musicale avec des synthés.

Cette étude évalue la technologie de la parole dans des langues à faibles ressources comme l'arabe tunisien.

Des recherches montrent des risques dans les modèles de parole multi-tâches comme Whisper.

TokenVerse simplifie l'analyse des conversations orales en intégrant plusieurs tâches dans un seul modèle.

Nouveau jeu de données améliore la génération audio à partir de descriptions textuelles détaillées.

Une nouvelle façon pour les artistes de relier créativité et génération audio par IA.

Explorer l'impact des modèles TTM sur la création musicale et les expériences utilisateurs.

Cet article examine la latence de divers systèmes de diarisation des locuteurs dans le traitement audio.

Nouveau jeu de données vise à améliorer la reconnaissance vocale pour les anglophones non natifs.