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

Un nouveau modèle améliore la diffraction du son dans les environnements virtuels.

Le biais contextuel améliore les systèmes de reconnaissance vocale, augmentant la précision dans les tâches spécialisées.

Une nouvelle approche pour changer les émotions dans la parole au milieu du bruit ambiant.

Cette étude présente un nouveau système pour détecter les erreurs de prononciation chez les apprenants de langues.

Le système Q A utilise l'apprentissage auto-supervisé pour réorganiser la musique de manière innovante.

Une nouvelle méthode améliore la qualité du texte en parole et l'expression émotionnelle.

Des chercheurs combinent des données audio et visuelles pour améliorer la compréhension de la parole dans des endroits bruyants.

Découvre comment la technologie de contrôle actif du bruit est en train de changer notre expérience sonore.

Des techniques pour réduire la taille des modèles tout en gardant la performance émergent.

Nouveau modèle imite les effets de phasage analogique avec des techniques d'apprentissage améliorées.

Un nouveau modèle réduit la taille tout en améliorant la reconnaissance vocale multilingue.

Une nouvelle méthode améliore la précision de la reconnaissance vocale pour les accents africains.

Examiner l'impact des évaluations détaillées sur les systèmes de synthèse vocale.

Améliorer la clarté de la voix grâce à des techniques d'annulation d'écho efficaces et au machine learning.

SingNet améliore le suivi des beats dans les voix chantées en utilisant des données passées.

Un nouveau système améliore la reconnaissance vocale dans des situations avec plusieurs intervenants.

LipVoicer génère une voix claire à partir de vidéos silencieuses en utilisant des méthodes de lecture labiale avancées.

De nouvelles méthodes visent à améliorer la communication des personnes atteintes de dysarthrie.

Cette étude examine les avantages de fusionner le traitement de la parole avec des données visuelles.

Une nouvelle méthode améliore les prévisions en tenant compte des scores de plusieurs experts.

Un nouveau regard sur l'anonymisation des locuteurs et le rôle crucial des vocoders.

Un aperçu de comment Whisper gère les différents dialectes et accents arabes.

Un programme qui combine des données visuelles et audio pour améliorer la compréhension des vidéos.

Une nouvelle méthode améliore la reconnaissance des actes de parole en bengali grâce à l'analyse audio et textuelle.

Étudier le rire peut améliorer la façon dont les machines interagissent avec les gens.

La recherche explore le potentiel de BERT dans l'analyse musicale au niveau des bars.

Un nouveau système améliore l'apprentissage des maths à la maison grâce à des interactions amusantes.

Une nouvelle méthode améliore les modèles de reconnaissance vocale en utilisant seulement des données textuelles pour l'adaptation.

Un nouveau modèle améliore l'harmonisation des mélodies en tenant compte des facteurs émotionnels.

De nouvelles méthodes utilisent l'onomatopée pour inspirer des mouvements de danse uniques.

Des chercheurs améliorent la détection de la parole générée par machine en ajustant les informations de phase.

Un aperçu des problèmes de reproductibilité dans la recherche en traitement de la parole.

Une nouvelle approche améliore l'identification de la langue parlée en utilisant l'apprentissage auto-supervisé et des étiquettes.

Une nouvelle méthode améliore la reconnaissance vocale pour les locuteurs arabes atteints de dysarthrie.

Allophant améliore la reconnaissance des phonèmes pour les langues avec peu de données.

Présentation de SANGEET, un jeu de données complet sur la musique classique hindoustanie.

Améliorer comment les systèmes de reconnaissance vocale estiment le timing des mots pour plus de précision.

De nouvelles méthodes améliorent le traitement de la parole dans les modèles linguistiques.

Une nouvelle méthode vise à améliorer la détection des faux audios sans perdre les connaissances passées.

Un nouveau cadre améliore l'étude des systèmes de reconnaissance vocale non supervisée.