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

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.

Un nouveau modèle améliore la représentation de la parole pour les langues africaines, augmentant l'inclusivité dans la tech.

Un nouveau modèle améliore la création musicale en utilisant des mélodies et des descriptions textuelles.

Une nouvelle méthode pour les modèles de langage parlés réduit le besoin de données massives.

Apprends comment fonctionne la conversion de voix et ses applications trop cool.

Découvrez comment CCI améliore les évaluations de la qualité multimédia.

Des chercheurs combinent des indices audio et visuels pour détecter les mensonges plus précisément.

Un nouveau réseau vocal comble les lacunes linguistiques en cas d'urgence.

Apprends comment les assistants virtuels comprennent mieux les commandes des utilisateurs.

MACE améliore la légende audio en liant les sons à des descriptions textuelles précises.

Utiliser l'apprentissage automatique pour prévoir la réaction du public aux reprises de chansons.

Une nouvelle approche pour améliorer la classification grâce à la perte de distribution de distance angulaire.

De nouvelles méthodes améliorent les outils de communication pour les personnes ayant des problèmes de parole.

De nouvelles méthodes utilisant des modèles de langage améliorent la détection des sons dans le bruit ambiant.

Fish-Speech améliore la technologie vocale pour une expérience de communication plus naturelle.

EmoSphere++ permet aux machines d'exprimer des émotions comme les humains, rendant les interactions plus cool.

U-COTANS améliore la détection des frontières sous-marines en utilisant des techniques d'apprentissage profond.

PIAST propose une collection unique de musique pour piano pour les chercheurs.

Les machines apprennent à connecter le son et les visuels dans des espaces 3D.

Comment de nouvelles méthodes transforment l'identification des locuteurs dans les enregistrements audio.

Les chercheurs utilisent la technologie pour visualiser les mouvements de la langue pendant qu'on parle.

Découvrez comment Align-SLM change la génération de la parole par ordinateur.

Apprends comment TSE améliore la reconnaissance vocale dans les environnements bruyants en utilisant des indices textuels.

Un nouveau système détecte les cris pour améliorer la sécurité des travailleurs sur les chantiers.