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

Une étude sur l'amélioration de la reconnaissance vocale automatique pour les dialectes arabes en utilisant des techniques de modèle efficaces.

Présentation de BLSP-Emo, un modèle qui comprend la parole et les émotions pour de meilleures interactions.

Une étude récente reproduit des résultats clés sur l'interprétation des données en utilisant le son et les visuels.

Un nouveau modèle génère de la musique en utilisant à la fois des infos textuelles et visuelles.

Un système qui relie les sons aux visuels, améliorant la compréhension des machines.

Le nouveau modèle ARDiT améliore la synthèse vocale et l'édition de la parole.

De nouvelles méthodes améliorent la clarté pour isoler les voix des mélanges audio.

Présentation de SPICE, une tâche pour améliorer les interactions avec l'IA en utilisant des infos contextuelles.

La recherche présente le dataset MOSA, qui améliore la compréhension des aspects visuels et auditifs de la musique.

mHuBERT-147 traite la parole dans plusieurs langues de manière efficace.

Une nouvelle approche pour la légende audio réduit la dépendance aux données appairées.

De nouvelles méthodes améliorent la façon dont les machines reconnaissent les émotions dans la parole humaine.

Un coup d'œil sur les nouvelles méthodes pour comprendre les discours qui se chevauchent pendant les conversations.

Enquête sur les vulnérabilités des méthodes de watermarking audio face aux menaces du monde réel.

PianoMotion10M fournit des mouvements de mains détaillés pour aider les apprentis pianistes.

Un nouveau modèle améliore la correspondance sonore avec les actions visuelles dans les vidéos.

Nouveau modèle améliore les expériences audio réalistes dans les environnements virtuels.

Cette étude examine les méthodes audio pour suivre les mouvements des piétons dans les zones urbaines.

Un nouveau jeu de données améliore la création de sons foley pour le contenu multimédia.

De nouvelles méthodes améliorent la reconnaissance vocale dans des environnements bruyants en utilisant des techniques adaptatives.

SPEAR prédit le comportement sonore dans des espaces 3D en utilisant une collecte de données minime.

Une nouvelle méthode améliore la traduction de discours en langues mélangées en anglais.

Une nouvelle méthode améliore la précision de la vérification des locuteurs dans des environnements radio difficiles.

Une nouvelle méthode cible les changements de rythme pour des attaques de discours discrètes.

GAMA améliore le traitement audio en fusionnant des infos sur le son et le langage.

Un nouveau système aide à séparer la parole du bruit pour une communication plus claire.

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.

DExter utilise l'IA pour créer de la musique au piano expressive à partir de partitions écrites.

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 améliore la conversion vocale entre les langues tout en préservant les traits du locuteur.

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.

WavRx analyse la parole pour la santé tout en protégeant la vie privée, montrant des résultats diagnostiques prometteurs.

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