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

La recherche associe des peintures à de la musique en interprétant les émotions.

Une étude sur l'utilisation des modèles de langue pour corriger les erreurs dans les systèmes de reconnaissance vocale.

FLAMO simplifie le traitement audio grâce à des techniques différentiables et à l'échantillonnage de fréquence.

Une nouvelle méthode améliore la détection automatique des problèmes de parole liés à la maladie de Parkinson.

Une nouvelle méthode améliore les systèmes ASR pour une meilleure communication en classe.

Cet article examine comment des entrées variées peuvent améliorer la précision de la reconnaissance vocale.

Un système qui rend la création musicale facile et accessible pour tous les niveaux de compétence.

ReCLAP améliore la classification audio avec des indications détaillées pour plus de précision.

Un projet vise à améliorer la technologie de la parole pour ceux qui ont des difficultés de communication.

MambaFoley révolutionne la synthèse sonore Foley avec un timing et un réalisme améliorés.

Un nouveau système améliore la précision des accents dans la synthèse vocale pour une meilleure communication.

L'utilisation des embeddings CLAP améliore considérablement les systèmes de recommandation musicale.

Une étude explore le développement de l'ASR pour l'Amis et le Seediq, en se concentrant sur l'utilisation des données.

LLaQo propose des retours super détaillés pour évaluer les performances musicales, ce qui booste l'apprentissage des élèves.

Des chercheurs développent de nouvelles stratégies pour distinguer les animaux individuels grâce à leurs sons uniques.

Une nouvelle méthode simplifie la détection des sirènes pour améliorer la sécurité des véhicules.

Une nouvelle approche combine la détection d'événements sonores et la diarisation des locuteurs pour une meilleure compréhension audio.

Une nouvelle approche améliore la reconnaissance vocale en se concentrant sur des détails spécifiques des locuteurs.

Une étude qui révèle comment les modèles d'apprentissage profond reconnaissent les émotions dans la voix.

Un outil facile à utiliser pour peaufiner des modèles de parole sans code compliqué.

De nouvelles méthodes améliorent l'isolation sonore des environnements bruyants sans données étiquetées.

Une nouvelle approche s'attaque à la variation de canal dans les systèmes de reconnaissance vocale.

Une nouvelle méthode améliore la reconnaissance vocale des machines pour la vérification des locuteurs.

Un nouveau modèle améliore la génération audio en utilisant des textes et des sons de référence détaillés.

L'intelligence artificielle est en train de transformer la musique avec de nouveaux outils et des approches.

MaskSR2 améliore la clarté et la qualité de la voix grâce à des techniques innovantes.

Une nouvelle méthode pour générer de la parole accentuée en utilisant la translittération du texte.

E1 TTS transforme le texte en parole naturelle plus rapidement et plus efficacement.

Wave-U-Mamba améliore les enregistrements vocaux de mauvaise qualité pour une communication plus claire.

Un nouveau système prédit des scores de naturel pour la parole synthétique en utilisant des méthodes innovantes.

Une nouvelle méthode utilise l'audio pour améliorer la précision de la prononciation des machines.

De nouvelles méthodes améliorent la synchronisation audio avec les scènes vidéo qui changent.

Explorer le défi GenSEC pour améliorer la précision de la transcription vocale.

Une nouvelle méthode d'évaluation pour la schizophrénie utilisant des données multimodales.

De nouvelles méthodes aident les machines à mieux interpréter les sons individuels.

Un aperçu des technologies de détection de mots-clés et de leurs défis avec la langue ourdou.

Des recherches montrent les galères avec la reconnaissance vocale des transmissions radio de la police.

PDMX propose une énorme collection de musique symbolique dans le domaine public pour le développement de l'IA.

Une étude montre que les i-vectors peuvent rivaliser avec des modèles complexes dans la reconnaissance vocale.

Une étude sur comment les choix de design impactent les modèles de fond de parole.