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

De nouvelles méthodes améliorent la séparation des voix dans des environnements bruyants.

Cet article explore des méthodes pour améliorer les systèmes de synthèse vocale pour les langues sous-représentées.

Cette étude examine comment la mélodie varie et se connecte à travers différentes cultures.

Un cadre utilisant de gros modèles de langue pour créer des dialogues audio authentiques.

Un nouveau critère aide à évaluer les tokenizeurs de discours pour de meilleures performances.

Une nouvelle méthode améliore la reconnaissance automatique de la parole en préservant l'ordre des sons dans le transfert de connaissances.

Un nouveau modèle améliore la reconnaissance vocale dans les conversations multilingues.

Cette étude examine l'efficacité des LLMs en musicologie et leur fiabilité.

Cette étude examine comment le bruit peut renforcer la résilience de la reconnaissance vocale face aux défis.

Découvrez comment un micro en plus améliore la détection de la direction du son dans les environnements bruyants.

Une nouvelle méthode améliore la conversion vocale en utilisant moins d'échantillons.

Un transducteur léger et innovant booste l'efficacité et la précision de la reconnaissance vocale.

De nouvelles méthodes améliorent la création musicale grâce à l'analyse audio et au contrôle des utilisateurs.

De nouvelles méthodes de filigrane protègent les créateurs dans les modèles génératifs audio.

Découvrez comment DDSP améliore l'efficacité et la qualité de la synthèse vocale.

Cette étude améliore la SER grâce à un meilleur prétraitement et des modèles d'attention efficaces.

Un cadre pour ajuster la musique en temps réel dans les jeux et les films.

aTENNuate offre un traitement en temps réel des signaux de parole, rendant la communication plus claire.

Des chercheurs explorent les échos ultrasoniques pour des mesures de distance précises dans des environnements intérieurs calmes.

Les techniques d'anonymisation des locuteurs protègent les infos persos tout en gardant la clarté de la communication.

De nouvelles méthodes améliorent la clarté vocale dans les environnements bruyants pour les écouteurs.

Un nouveau modèle améliore la séparation des voix et la transcription des mélodies dans la musique.

Des recherches montrent comment les neurones dans les modèles de parole reconnaissent les caractéristiques clés du son.

Un nouveau modèle simplifie la production audio en éliminant automatiquement les sons de respiration.

Les LLMs de discours montrent du potentiel mais galèrent avec l'identification des intervenants dans les conversations.

Une approche d'apprentissage auto-supervisé réduit le besoin de données audio étiquetées.

Une étude révèle le rôle des données vocales dans la reconnaissance des émotions chez les hispanophones.

Une nouvelle méthode améliore la clarté de la voix dans des environnements bruyants.

Des approches innovantes visent à améliorer la qualité de la musique pour les personnes malentendantes.

GenRep propose une approche nouvelle pour identifier des sons étranges de machines avec peu de données.

TF-Mamba améliore la localisation sonore grâce à une nouvelle approche qui intègre des données temporelles et fréquentielles.

La recherche sur les systèmes ASR modulaires vise à améliorer les performances dans des environnements bruyants.

Une nouvelle méthode combine le sens et le son pour une détection d’émotion améliorée dans la parole.

Cet article parle des méthodes d'entraînement efficaces pour les modèles de parole en utilisant l'apprentissage auto-supervisé.

Une nouvelle architecture améliore la détection des sons dans divers environnements.

Un nouveau modèle améliore la génération de musique en se concentrant sur des instruments individuels.

Voici DENSE, une méthode qui améliore l'extraction de la parole cible grâce à des embeddings dynamiques.

Une nouvelle méthode améliore la transformation audio tout en préservant la mélodie et la qualité sonore.

Cette méthode améliore la précision de reconnaissance des noms rares dans les sorties vocales.

Améliorer l'identification des mots parlés grâce à des indices visuels dans les langues sous-représentées.