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

Cette étude améliore les systèmes de reconnaissance des émotions pour les langues moins courantes en utilisant des données à forte ressource.

Un modèle améliore les tâches de parole dans des environnements multilingues, en s'attaquant aux défis du code-switching.

Améliorer la synthèse vocale dans les langues indiennes en utilisant des unités inter-pausales.

DeFT-Mamba améliore la séparation et la classification des sons dans des environnements bruyants.

CADA-GAN améliore la performance des systèmes ASR dans différents environnements d'enregistrement.

EVA combine des signaux audio et visuels pour une meilleure précision de reconnaissance vocale.

Un nouveau cadre simplifie la reconnaissance vocale dans des environnements bruyants.

Llama-AVSR combine l'audio et les visuels pour améliorer la précision de la reconnaissance vocale.

WMCodec améliore le marquage audio pour plus de sécurité et d'authenticité.

De nouveaux modèles s'attaquent à la classification sonore avec peu de données d'entraînement.

Une nouvelle méthode améliore la détection des faux audios en utilisant des modèles préentraînés.

Une nouvelle méthode améliore la qualité et l'efficacité de la génération de discours.

Une méthode qui combine des données étiquetées et non étiquetées améliore la détection des sources sonores.

Découvrez comment les sons aident les joueurs de ping-pong.

Un système qui met la mélodie en avant tout en permettant de contrôler la génération de musique orchestrale.

Une nouvelle méthode utilise l'ombre virtuelle pour améliorer le retour sur la prononciation des apprenants en langues.

De nouvelles méthodes améliorent la qualité audio binaurale dans des environnements sonores difficiles.

Une nouvelle méthode ASR aide la technologie à mieux comprendre la parole des enfants.

Le compositeur utilise des invites textuelles pour créer des compositions musicales complexes en format MIDI.

Une ressource pour étudier les motifs de chant dans la musique des idoles japonaises.

ViolinDiff améliore le réalisme de la musique de violon générée par ordinateur.

Combiner des caractéristiques améliore la précision de la classification des sons sous-marins.

L'apprentissage par transfert améliore la classification audio pour la détection des sons sous-marins.

La technologie de l'IA change le paysage des arnaques par vishing, ce qui augmente les risques pour les gens.

Un nouveau modèle crée de l'audio qui correspond à la vidéo, améliorant les expériences médiales.

Une méthode pour améliorer la reconnaissance vocale automatique en mélangeant des listes de mots-clés avec des modèles de langue.

Une étude sur les techniques d'imitation vocale utilisant la technologie pour améliorer la communication.

Apprends à entraîner des modèles de parole de manière efficace avec moins de ressources étiquetées.

Une analyse de la terminologie de genre dans la technologie de la parole et ses implications sociétales.

Un nouveau cadre améliore la détection des événements sonores qui se chevauchent dans des environnements audio complexes.

Recherche sur l'amélioration de l'identification des sons d'oiseaux grâce aux techniques d'apprentissage automatique.

Une nouvelle méthode améliore la création automatique de covers de piano en utilisant la technologie de transcription musicale existante.

Un aperçu des résultats du défi Codec-SUPERB et des métriques de performance des codecs.

Le projet MultiMed améliore la reconnaissance vocale automatique pour une meilleure communication dans le domaine de la santé.

Une nouvelle approche pour évaluer la qualité audio sans avoir besoin de références propres.

Le cadre ECHO améliore la précision de la classification sonore en utilisant des étiquettes structurées et un processus d'apprentissage en deux étapes.

Une nouvelle méthode améliore la clarté de la parole en intégrant des infos visuelles.

Une nouvelle méthode améliore l'estimation de la direction du son pour les intervenants en mouvement dans des environnements difficiles.

La récupération de moments audio permet de repérer des moments précis dans de longs enregistrements.

Safe Guard détecte les discours haineux en temps réel pendant les interactions vocales en VR sociale.