Ce cadre améliore les animations en temps réel en synchronisant la parole et les gestes sans problème.
― 6 min lire
Génie électrique et science des systèmes - Traitement de l'audio et de la parole
RSSDe nouvelles caractéristiques acoustiques améliorent les performances des systèmes ASR dans des environnements bruyants.
― 6 min lire
Une nouvelle fonction de perte améliore la qualité audio en alignant la phase et l'amplitude.
― 7 min lire
Un nouveau modèle de TTS ajoute de la profondeur émotionnelle à la parole générée par ordinateur.
― 7 min lire
Évaluer des modèles de reconnaissance vocale pour des sessions de diagnostic de l'autisme.
― 8 min lire
Des méthodes récentes améliorent la clarté et la qualité du son en utilisant des modèles avancés.
― 8 min lire
Une nouvelle approche améliore la détection des faux enregistrements audio.
― 6 min lire
ESPnet-Codec améliore l'entraînement et l'évaluation des codecs neuronaux pour l'audio et la parole.
― 9 min lire
Explorer des méthodes pour adapter les RNN aux taux d'échantillonnage audio variables.
― 7 min lire
Nouveau modèle permet une transcription vocale plus rapide sans sacrifier la précision.
― 5 min lire
Découvrez comment les embeddings Matryoshka améliorent l'efficacité et la flexibilité de la reconnaissance vocale.
― 6 min lire
Présentation de NanoVoice, un modèle de synthèse vocale rapide et efficace pour un audio personnalisé.
― 7 min lire
Le nouveau modèle VoiceGuider améliore la TTS pour les voix variées.
― 7 min lire
Une nouvelle méthode pour traduire des voix à travers les langues tout en gardant leurs caractéristiques uniques.
― 7 min lire
De nouvelles techniques améliorent la qualité de la parole expressive chez différents locuteurs.
― 7 min lire
Cet article explore le rôle des métriques perceptuelles dans la classification des genres musicaux.
― 6 min lire
Une nouvelle méthode améliore le traitement de la parole et de l'audio dans plusieurs tâches.
― 7 min lire
Un nouveau système améliore l'identification des intervenants lors de discussions avec plusieurs participants.
― 6 min lire
Un nouveau cadre améliore l'expression émotionnelle dans les systèmes TTS.
― 7 min lire
Des découvertes récentes montrent que les capteurs de pression peuvent être utilisés pour espionner.
― 5 min lire
Un nouvel algorithme améliore la détection d'événements sonores en utilisant l'apprentissage auto-supervisé.
― 7 min lire
La recherche se concentre sur l'amélioration des méthodes pour détecter des discours fake réalistes.
― 6 min lire
Une nouvelle méthode simplifie la création audio et vidéo pour une meilleure synchronisation.
― 7 min lire
Contrôle les effets audio avec des descriptions simples pour des ajustements de son plus faciles.
― 7 min lire
Présentation d'un nouveau modèle et d'une référence pour évaluer les tâches multi-audio.
― 7 min lire
Un nouveau système modélise l'intensité émotionnelle des personnages animés pour un réalisme accru.
― 7 min lire
OpenSep automatise la séparation audio pour des expériences sonores plus claires sans intervention manuelle.
― 8 min lire
PALM améliore la reconnaissance audio en optimisant la représentation des invites et l'efficacité.
― 6 min lire
Explore comment les tours de fil et l'épaisseur influencent le son des micros de guitare.
― 9 min lire
Une nouvelle méthode améliore la reconnaissance vocale pour les longs enregistrements.
― 6 min lire
Cette étude analyse comment l'audio, la vidéo et le texte fonctionnent ensemble dans la reconnaissance vocale.
― 9 min lire
Un nouveau modèle améliore la naturalité des systèmes de synthèse vocale en analysant les motifs de hauteur.
― 6 min lire
Un nouveau modèle améliore la représentation de la parole pour les langues africaines, augmentant l'inclusivité dans la tech.
― 6 min lire
Un nouveau modèle améliore la création musicale en utilisant des mélodies et des descriptions textuelles.
― 6 min lire
Une nouvelle méthode pour les modèles de langage parlés réduit le besoin de données massives.
― 8 min lire
Apprends comment fonctionne la conversion de voix et ses applications trop cool.
― 5 min lire
Découvrez comment CCI améliore les évaluations de la qualité multimédia.
― 7 min lire
Des chercheurs combinent des indices audio et visuels pour détecter les mensonges plus précisément.
― 7 min lire
Un nouveau réseau vocal comble les lacunes linguistiques en cas d'urgence.
― 7 min lire
Apprends comment les assistants virtuels comprennent mieux les commandes des utilisateurs.
― 7 min lire