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

Des recherches montrent de nouveaux modèles pour améliorer la clarté de la voix dans les écouteurs intelligents.

Utiliser des infos supplémentaires améliore notre capacité à identifier les chants d'oiseaux.

Une nouvelle méthode améliore la génération audio en alignant l'audio avec des descriptions textuelles.

Des chercheurs bossent pour améliorer la reconnaissance vocale en ligne en utilisant des modèles d'état-structuré.

Un nouveau système améliore les expériences de réunion en identifiant les intervenants en temps réel.

De nouvelles méthodes améliorent notre capacité à détecter efficacement les discours falsifiés.

Une méthode pour la conversion de voix qui améliore la confidentialité et la qualité de la parole.

De nouvelles méthodes améliorent la capacité à distinguer le faux audio du vrai.

Une méthode améliore la détection des voix synthétiques et identifie leurs créateurs.

De nouvelles méthodes améliorent les petits modèles pour un meilleur traitement de la parole en utilisant moins de ressources.

Une nouvelle méthode améliore les modèles ASR pour les utilisateurs individuels en utilisant la quantification et l'adaptation.

De nouvelles méthodes améliorent la performance des vocodeurs avec des données audio limitées.

Un aperçu de la dysarthrie, sa détection et le rôle de la technologie.

Les prompts doux améliorent la technologie de reconnaissance vocale pour de meilleures performances dans des environnements bruyants.

La recherche combine l'apprentissage auto-supervisé et de nouvelles techniques de mesure pour améliorer l'inversion de la parole.

Des chercheurs ont développé un nouveau cadre pour améliorer la clarté de la parole pour les utilisateurs d'électrolarynges.

Cette étude explore des stratégies de formation pour améliorer la détection des faux audio.

De nouveaux modèles s'adaptent pour améliorer l'efficacité et la réactivité de la reconnaissance vocale.

RECAP utilise des techniques avancées pour générer des sous-titres audio précis sans besoin de réentraînement.

Un guide pratique pour comprendre la théorie de la musique à travers l'harmonie et les gammes.

Une nouvelle méthode utilise des données synthétiques pour améliorer les systèmes ASR dans des domaines inconnus.

Une nouvelle méthode basée sur l'audio estime la taille des foules sans empiéter sur la vie privée.

Une nouvelle approche de la reconnaissance vocale améliore l'interaction utilisateur avec des instructions flexibles.

Une approche solide pour identifier les anomalies audio et lutter contre le spoofing vocal.

Un nouveau modèle améliore la compréhension des émotions pendant les conversations.

Cette étude examine si les symboles de la parole appris imitent les modèles de fréquence des mots.

Présentation d'une méthode plus rapide pour la synthèse vocale de haute qualité utilisant des modèles de diffusion.

HiFTNet propose une synthèse vocale rapide et de haute qualité en utilisant des techniques innovantes et efficaces.

Une nouvelle méthode transforme les voix en utilisant les traits du visage pour diverses applications.

AV-SUPERB évalue les modèles audio et visuels sur différentes tâches pour une meilleure performance.

Une nouvelle approche améliore la diarisation des intervenants en intégrant des données sémantiques dans le processus.

Une nouvelle méthode améliore la vitesse et l'efficacité de la génération de texte en audio.

Des recherches montrent une meilleure précision dans la reconnaissance des émotions dans la parole à travers les langues.

Explore comment TTT améliore la reconnaissance vocale en s'adaptant aux changements de distribution.

Améliorer la façon dont on identifie les sources sonores en utilisant des données audio-visuelles.

Une méthode pour visualiser et prédire des sons dans différents environnements en utilisant une technologie avancée.

De nouvelles méthodes combinent l'audio et les métadonnées pour une meilleure reconnaissance des langues.

Un système conçu pour détecter les attaques par présentation vocale renforce la sécurité de la reconnaissance vocale.

Améliorer la reconnaissance vocale de Whisper pour le vietnamien et d'autres langues à faibles ressources.

FluentEditor améliore le montage audio en se concentrant sur le flow naturel et la cohérence.