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

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.

L'IA évolue pour avoir des conversations plus naturelles.

Une nouvelle approche utilise l'IRM en temps réel pour visualiser les mouvements de production de la parole.

Une nouvelle méthode pour détecter les réflexions de salle précoces améliore les expériences audio.

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.