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

Des chercheurs créent des modèles pour mieux comprendre la production de la parole et le mouvement.

Un système permettant l'authentification vocale dans plusieurs langues pour les appareils mobiles.

TEAdapter améliore la génération de musique à partir de texte, offrant aux utilisateurs plus de contrôle et de créativité.

Des recherches montrent mieux comment les sons s'influencent entre eux quand on parle.

Un nouveau cadre améliore la détection des sons par machine en utilisant des techniques d'apprentissage actif.

Cette étude examine comment différentes méthodes de résumé affectent la qualité et le contenu.

Un nouveau modèle d'apprentissage automatique améliore les techniques de séparation des sources audio.

Music2Latent simplifie la compression audio tout en gardant une haute qualité pour différentes applications.

Le modèle TOGGL améliore la précision de la transcription dans les situations de discours qui se chevauchent.

Un système pour améliorer la clarté de la parole dans les environnements bruyants en utilisant des lunettes intelligentes.

Une étude sur l'identification des moments de discours haineux dans l'audio en utilisant des techniques inédites.

Une méthode pour améliorer la qualité de la reconnaissance vocale dans des environnements bruyants.

Une méthode pour créer de la musique accrocheuse en gérant les niveaux de surprise.

Une nouvelle approche encode et reconstruit des signaux sensoriels en utilisant des trains de pics.

MorphFader simplifie le morphing sonore en utilisant des modèles texte-à-audio pour la génération audio créative.

Des chercheurs ont développé SaSLaW pour améliorer l'adaptation de la parole des machines dans divers environnements.

Style-Talker améliore les conversations entre les humains et les machines grâce à une profondeur émotionnelle.

Cet article parle d'utiliser l'apprentissage profond pour prédire les réponses émotionnelles à la musique.

Une nouvelle méthode pour visualiser les distributions sonores mondiales en utilisant des données audio et satellite.

Explorer de nouvelles méthodes de compression audio pour une meilleure qualité sonore.

La recherche se concentre sur la détection de l'audio deepfake grâce à des techniques améliorées et à l'expansion des données.

Une nouvelle méthode améliore la synthèse de la parole naturelle dans plusieurs langues.

Une nouvelle approche se concentre sur des incohérences subtiles dans la détection de deepfake.

Examiner comment la longueur des déclarations et les facteurs sociaux influencent le rythme de la parole.

Un nouveau jeu de données met en lumière les biais dans les modèles de parole en fonction du genre et de l'âge.

Exploration du rôle des Transformers et des LLMs dans l'amélioration de la sécurité des réseaux.

Voici PeriodWave, un modèle qui améliore la vitesse et la qualité de génération audio.

Apprends à préparer et soumettre ton article scientifique de manière efficace.

Un nouveau modèle améliore les connexions entre les sons et leurs significations textuelles.

Un aperçu de comment les caractéristiques sonores dans la musique pop ont changé au fil des décennies.

Un nouveau système améliore la reconnaissance vocale en utilisant des mots-clés contextuels pour plus de précision.

PeriodWave-Turbo améliore la vitesse et la qualité de génération sonore dans diverses applications.

Des recherches montrent comment rendre les modèles de discours plus petits et plus efficaces.

La séparation des dialogues aide les spectateurs à entendre les conversations clairement malgré le bruit de fond.

MAT-SED utilise un nouveau modèle Transformer pour détecter efficacement les événements sonores.

Combiner les sons cardiaques et l'échocardiographie pour améliorer le diagnostic des cardiopathies congénitales.

Un gros jeu de données de pistes de guitare liées à des partitions pour la recherche et l'analyse.

Auptimize améliore le placement des repères audio pour une meilleure interaction utilisateur en XR.

Malacopula remet en question la fiabilité des technologies de vérification automatique des locuteurs.

Une nouvelle méthode pour des animations 3D de visages plus réalistes qui s'adaptent aux styles de parole personnels.