Informatique - Son

GigaSpeech 2 propose un énorme jeu de données pour les langues peu répandues afin d'améliorer la reconnaissance vocale.

Un nouveau modèle améliore la technologie de synthèse vocale avec efficacité et adaptabilité.

Une nouvelle méthode qui optimise l'analyse et la synthèse de la parole en utilisant les mouvements du tractus vocal.

Cette étude examine comment les gestes influencent l'apprentissage avec des agents virtuels.

Découvre la diarisation de locuteur en ligne et son importance dans diverses applications.

Un nouvel outil de référence évalue les tokens audio discrets pour diverses tâches de traitement de la parole.

Une nouvelle méthode pour générer de la musique en utilisant des matrices d'auto-similarité et des systèmes d'attention.

De nouvelles techniques améliorent la modélisation des amplis de guitare en utilisant des données non appariées et des GAN.

Une nouvelle méthode pour comprendre comment les modèles audio font des prédictions.

Introduction de la conversion de voix spatiale pour améliorer le réalisme audio et l'immersion.

Des recherches examinent comment l'analyse de la parole peut prédire le risque de suicide, en tenant compte des différences de genre.

Ce document présente un système pour créer des visuels qui réagissent à la musique.

Un nouveau système aide les robots à apprendre des tâches en utilisant des audio de démonstrations réelles.

De nouvelles méthodes améliorent la précision dans la reconnaissance des sons qui se chevauchent à partir de diverses sources audio.

Une nouvelle méthode combine des caractéristiques acoustiques et des scores de confiance pour une meilleure correction des erreurs.

SecureSpectra propose une nouvelle façon de protéger l'identité audio contre les menaces des deepfakes.

Combiner la physique et la géométrie pour améliorer les prévisions de diffusion acoustique.

Un nouveau système pour une traduction rapide et précise de la parole dans plusieurs langues.

Une méthode simple pour créer des voix et contrôler les émotions dans la synthèse vocale.

Améliorer MMDenseNet pour une séparation musicale rapide et efficace.

Une nouvelle méthode améliore le dialogue machine grâce à des données pseudo-stéréo.

Cette étude présente un ensemble de données et une méthode pour améliorer la précision de la reconnaissance vocale chinoise en utilisant le Pinyin.

Des techniques innovantes améliorent la conception des haut-parleurs et la direction du son.

Cette étude se concentre sur l'amélioration de la détection des faux audios en utilisant des méthodes avancées.

Utiliser des interfaces visuelles et des modèles pour améliorer la génération de musique.

Un nouveau cadre pour créer des effets sonores synchronisés dans des vidéos.

Une étude sur l'amélioration de la segmentation audio en intégrant des embeddings de locuteurs.

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.