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

Un système portable réduit le bruit de construction, améliorant le confort des travailleurs et le bien-être de la communauté.

De nouveaux modèles comme FluxMusic améliorent la création musicale à partir de texte écrit.

Cet article parle des avantages de la fusion des systèmes de reconnaissance vocale et faciale.

Un nouveau modèle améliore la reconnaissance vocale en combinant efficacement les entrées audio et visuelles.

De nouveaux modèles améliorent la précision dans la détection de la dépression grâce aux enregistrements vocaux.

Une nouvelle méthode améliore les performances des modèles de discours dans différentes tâches.

Une nouvelle méthode améliore la précision de la détection de mots-clés en utilisant des données audio non étiquetées.

Des recherches montrent que l'analyse de la parole peut aider à la détection précoce des troubles cognitifs légers.

Une nouvelle méthode améliore la génération de musique en se concentrant sur les accords et leur représentation.

Des chercheurs ont créé LibriheavyMix pour améliorer la reconnaissance vocale dans des environnements bruyants.

De nouvelles méthodes améliorent la reconnaissance vocale dans des situations difficiles avec plusieurs intervenants.

Un ensemble de données révolutionnaire améliore les outils d'IA pour diagnostiquer les problèmes cardiaques.

Un nouveau système aide à redonner vie à la langue hakka taïwanaise.

De nouvelles méthodes améliorent la clarté de la parole dans des environnements bruyants en utilisant des technologies avancées.

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.