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

Un projet qui développe des jeux de données de parole et de texte pour des langues avec peu de ressources.

Un nouveau cadre améliore la reconnaissance vocale et s'adapte à différents tâches de parole.

De nouvelles méthodes sont nécessaires pour détecter les technologies de discours deepfake avancées.

De nouvelles méthodes améliorent la précision pour identifier les sons des animaux à partir de données limitées.

Une nouvelle méthode améliore l'intégration sonore virtuelle dans les environnements AR.

Une nouvelle méthode vise à préserver la vie privée de la voix tout en permettant une communication efficace.

De nouvelles méthodes améliorent la reconnaissance vocale pour les langues à faibles ressources sans texte.

De nouvelles méthodes améliorent la précision des systèmes de reconnaissance vocale grâce à une compréhension phonétique.

Ce cadre améliore les animations en temps réel en synchronisant la parole et les gestes sans problème.

De nouvelles caractéristiques acoustiques améliorent les performances des systèmes ASR dans des environnements bruyants.

Une nouvelle fonction de perte améliore la qualité audio en alignant la phase et l'amplitude.

Un nouveau modèle de TTS ajoute de la profondeur émotionnelle à la parole générée par ordinateur.

Évaluer des modèles de reconnaissance vocale pour des sessions de diagnostic de l'autisme.

Des méthodes récentes améliorent la clarté et la qualité du son en utilisant des modèles avancés.

Une nouvelle approche améliore la détection des faux enregistrements audio.

ESPnet-Codec améliore l'entraînement et l'évaluation des codecs neuronaux pour l'audio et la parole.

Explorer des méthodes pour adapter les RNN aux taux d'échantillonnage audio variables.

Nouveau modèle permet une transcription vocale plus rapide sans sacrifier la précision.

Découvrez comment les embeddings Matryoshka améliorent l'efficacité et la flexibilité de la reconnaissance vocale.

Présentation de NanoVoice, un modèle de synthèse vocale rapide et efficace pour un audio personnalisé.

Le nouveau modèle VoiceGuider améliore la TTS pour les voix variées.

Une nouvelle méthode pour traduire des voix à travers les langues tout en gardant leurs caractéristiques uniques.

De nouvelles techniques améliorent la qualité de la parole expressive chez différents locuteurs.

Cet article explore le rôle des métriques perceptuelles dans la classification des genres musicaux.

Une nouvelle méthode améliore le traitement de la parole et de l'audio dans plusieurs tâches.

Un nouveau système améliore l'identification des intervenants lors de discussions avec plusieurs participants.

Un nouveau cadre améliore l'expression émotionnelle dans les systèmes TTS.

Des découvertes récentes montrent que les capteurs de pression peuvent être utilisés pour espionner.

Un nouvel algorithme améliore la détection d'événements sonores en utilisant l'apprentissage auto-supervisé.

La recherche se concentre sur l'amélioration des méthodes pour détecter des discours fake réalistes.

Une nouvelle méthode simplifie la création audio et vidéo pour une meilleure synchronisation.

Contrôle les effets audio avec des descriptions simples pour des ajustements de son plus faciles.

Présentation d'un nouveau modèle et d'une référence pour évaluer les tâches multi-audio.

Un nouveau système modélise l'intensité émotionnelle des personnages animés pour un réalisme accru.

OpenSep automatise la séparation audio pour des expériences sonores plus claires sans intervention manuelle.

PALM améliore la reconnaissance audio en optimisant la représentation des invites et l'efficacité.

Explore comment les tours de fil et l'épaisseur influencent le son des micros de guitare.

Une nouvelle méthode améliore la reconnaissance vocale pour les longs enregistrements.

Cette étude analyse comment l'audio, la vidéo et le texte fonctionnent ensemble dans la reconnaissance vocale.

Un nouveau modèle améliore la naturalité des systèmes de synthèse vocale en analysant les motifs de hauteur.