Génie électrique et science des systèmes - Traitement de l'audio et de la parole

Un ensemble de données audio complet vise à améliorer les méthodes de dé-réverbération pour un son plus clair.

DAS-N2N utilise l'apprentissage automatique pour améliorer la collecte de données sismiques en réduisant le bruit.

De nouvelles techniques améliorent la précision de la reconnaissance vocale en streaming et hors streaming.

Cette étude montre comment la tokenisation par sous-mots améliore la qualité et l'efficacité de la génération musicale.

Examiner comment les attaques adversariales affectent les systèmes de reconnaissance vocale et les méthodes pour améliorer la transférabilité.

Explorer des méthodes modernes pour isoler des signaux mélangés dans le traitement audio et d'image.

CB-Conformer améliore la reconnaissance vocale pour les mots biaisés avec des techniques innovantes.

Explore les défis de sécurité et de vie privée de la technologie des assistants vocaux.

Améliorer les modèles de reconnaissance vocale pour le suisse allemand en utilisant des techniques avancées et des ensembles de données.

Une étude explore comment les données mobiles aident à comprendre les hallucinations verbales auditives.

Une nouvelle méthode améliore les défenses contre les attaques audio adversariales dans les systèmes de reconnaissance vocale.

La recherche se concentre sur des modèles efficaces pour le repérage de mots-clés en utilisant des réseaux slimables.

CLaMP combine la musique et la langue pour la classification et la recherche automatiques de musique.

Une méthode mathématique pour évaluer la beauté des performances musicales.

Découvre comment les modèles pré-entraînés améliorent la technologie de reconnaissance des émotions dans la voix.

Une nouvelle méthode améliore le morphing de textures audio pour un design sonore créatif.

Une nouvelle méthode génère de l'audio à partir de texte en utilisant des modèles modernes.

Une compétition pour améliorer la création de sons Foley automatisés pour les multimédias.

Cette étude explore l'utilisation de playlists pour améliorer la classification et la similarité de la musique.

Une nouvelle méthode améliore la détection du son en utilisant des données étiquetées et non étiquetées.

Une nouvelle méthode combine la parole claire et les infos de bruit pour une meilleure clarté.

Comment l'apprentissage par transfert profond transforme les technologies de reconnaissance automatique de la parole.

Une technologie innovante sépare les voix musicales en utilisant des techniques de suivi avancées.

Les agriculteurs peuvent maintenant suivre les comportements des vaches avec précision, même avec le bruit de fond.

De nouvelles méthodes de transcription musicale montrent des promesses avec des données audio synthétisées.

Un gros ensemble de données sur les pleurs de bébés aide à comprendre la communication et la santé des nourrissons.

Une nouvelle méthode améliore les systèmes de détection de mots-clés dans des conditions de faibles ressources.

Un nouveau cadre améliore les prédictions de trajectoire de vol en utilisant des instructions vocales en temps réel.

Une nouvelle approche améliore le sous-titrage audio en générant des phrases plus claires et variées.

LORIS génère de la musique de haute qualité qui s'accorde parfaitement avec les mouvements de la vidéo.

Une étude montre que les CNN peuvent créer des combinaisons de mots à partir de données audio brutes.

PLiX utilise l'apprentissage par petits échantillons pour améliorer la reconnaissance vocale en plusieurs langues.

Cet article parle d'améliorer la détection des séquences sonores dans la reconnaissance audio.

Une étude révèle comment la clarté audio influence l'acquisition du langage chez les nourrissons.

Un outil améliore les systèmes de positionnement intérieur basés sur le son grâce à une simulation efficace.

Une nouvelle approche améliore la compréhension du langage parlé grâce à un traitement audio efficace.

Ce papier propose une méthode pour améliorer les CNN en supprimant les filtres inutiles.

Une nouvelle approche améliore la reconnaissance vocale en temps réel en équilibrant vitesse et précision.

X-LLM intègre des images, des vidéos et de la parole dans le traitement du langage.

Une nouvelle méthode améliore la détection des émotions dans la parole en utilisant des techniques d'auto-attention.