Informatique - Son

Une nouvelle méthode améliore la séparation des voix en utilisant plusieurs micros sans données étiquetées.

Une étude améliore les modèles de vérification des speakers pour mieux protéger l'identité.

De nouveaux modèles améliorent la façon dont les machines réagissent aux questions basées sur l’audio.

De nouvelles méthodes améliorent la synthèse vocale pour l'allemand suisse à partir de textes en allemand standard.

Découvrez comment SVVAD améliore la détection de l'activité vocale pour une meilleure vérification des locuteurs.

Une nouvelle méthode améliore les retours sur la prononciation pour les apprenants de langues.

Un nouveau cadre évalue comment les modèles de parole s'adaptent à des tâches spécifiques.

Les modèles HuBERT améliorent les tâches de parole en utilisant plusieurs résolutions pour de meilleures performances.

De nouvelles techniques améliorent la précision pour reconnaître les intervenants et détecter les imposteurs.

Une nouvelle approche améliore la réponse de phase dans les effets audio virtuels en utilisant l'apprentissage profond.

SlothSpeech dévoile des failles dans les systèmes de reconnaissance vocale, les ralentissant considérablement.

UnDiff améliore la qualité audio grâce à des techniques innovantes de restauration de la parole.

De nouvelles méthodes en apprentissage automatique améliorent les capacités de détection du bégaiement.

EmoMix permet de créer des discours exprimant des émotions mélangées avec une intensité précise.

Découvrez la méthode innovante du Multi-Window Masked Autoencoder pour améliorer le traitement audio.

Une nouvelle méthode fusionne des données audio et visuelles pour réparer la parole manquante.

Explorer des méthodes pour détecter les discours de haine dans les diffusions audio de langues sous-représentées.

Une nouvelle méthode restaure les hautes fréquences perdues dans les enregistrements historiques.

Un nouveau modèle améliore la diffraction du son dans les environnements virtuels.

Le biais contextuel améliore les systèmes de reconnaissance vocale, augmentant la précision dans les tâches spécialisées.

Cette étude présente un nouveau système pour détecter les erreurs de prononciation chez les apprenants de langues.

Le système Q A utilise l'apprentissage auto-supervisé pour réorganiser la musique de manière innovante.

Une nouvelle méthode améliore la qualité du texte en parole et l'expression émotionnelle.

Des techniques pour réduire la taille des modèles tout en gardant la performance émergent.

Nouveau modèle imite les effets de phasage analogique avec des techniques d'apprentissage améliorées.

Un nouveau modèle réduit la taille tout en améliorant la reconnaissance vocale multilingue.

Une nouvelle méthode améliore la précision de la reconnaissance vocale pour les accents africains.

Un nouveau système améliore la reconnaissance vocale dans des situations avec plusieurs intervenants.

LipVoicer génère une voix claire à partir de vidéos silencieuses en utilisant des méthodes de lecture labiale avancées.

De nouvelles méthodes visent à améliorer la communication des personnes atteintes de dysarthrie.

Une nouvelle méthode améliore les prévisions en tenant compte des scores de plusieurs experts.

Un aperçu de comment Whisper gère les différents dialectes et accents arabes.

Un programme qui combine des données visuelles et audio pour améliorer la compréhension des vidéos.

Une nouvelle méthode améliore la reconnaissance des actes de parole en bengali grâce à l'analyse audio et textuelle.

La recherche explore le potentiel de BERT dans l'analyse musicale au niveau des bars.

Un nouveau système améliore l'apprentissage des maths à la maison grâce à des interactions amusantes.

Une nouvelle méthode améliore les modèles de reconnaissance vocale en utilisant seulement des données textuelles pour l'adaptation.

Un nouveau modèle améliore l'harmonisation des mélodies en tenant compte des facteurs émotionnels.

De nouvelles méthodes utilisent l'onomatopée pour inspirer des mouvements de danse uniques.

Des chercheurs améliorent la détection de la parole générée par machine en ajustant les informations de phase.