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

Cet article parle des solutions pour les applications de parole dans les langues avec peu de données transcrites.

Des chercheurs combinent des méthodes génératives et discriminatives pour améliorer la classification sonore.

Un nouveau modèle améliore la sécurité de l'identification vocale et résiste à la contrefaçon vocale.

Un aperçu de l'attention adaptative gaussienne pour améliorer les performances de l'IA.

Des recherches montrent que l'apprentissage profond améliore notre compréhension du rythme de la langue.

CoAVT intègre des données audio, visuelles et textuelles pour une meilleure compréhension.

E-SHARC améliore l'identification des locuteurs dans différents environnements audio.

Un nouveau système génère de la musique pour exprimer la joie et la tristesse.

Examiner les dangers et les préoccupations éthiques liés à la génération de la parole synthétique.

Un guide pour comprendre la similitude musicale dans les modèles génératifs.

Une étude sur la synthèse sonore et son évaluation dans des environnements contrôlés.

Une nouvelle méthode améliore la précision pour localiser des sources de son en mouvement en utilisant des réseaux de microphones.

PAM propose une nouvelle façon de mesurer la qualité audio sans avoir besoin d'enregistrements de référence.

Une méthode améliore la clarté de la parole dans des environnements bruyants sans données d'entraînement claires.

Audio Flamingo excelle à écouter, discuter et s'adapter à de nouvelles tâches audio.

Un nouveau modèle améliore la compréhension de l'audio spatial par les machines.

Un nouveau modèle améliore l'efficacité de la conversion de la parole en texte dans les applications en temps réel.

De nouvelles méthodes améliorent la reconnaissance vocale pour les langues sous-représentées en utilisant des données de langues similaires.

Cette étude évalue les sons par rapport aux mots dans la reconstruction des arbres généalogiques des langues.

Nouveau modèle améliore la création musicale en utilisant les retours des utilisateurs.

Reborn propose des solutions innovantes pour la reconnaissance vocale automatique sans données étiquetées.

Un nouvel outil aide les utilisateurs à modifier des sons facilement grâce à des instructions textuelles simples.

Un nouveau modèle fusionne le langage parlé et écrit pour améliorer la communication.

Un aperçu des nouveaux modèles pour des réponses parlées naturelles.

Une nouvelle méthode intègre des infos acoustiques dans les modèles de langage pour améliorer la reconnaissance vocale.

Utiliser la musique pour expliquer le cancer peut améliorer la compréhension et l'engagement.

Apprends comment la localisation sonore identifie la source des sons en utilisant des techniques avancées.

Une nouvelle approche pour synthétiser des voix avec une meilleure précision de rythme.

Les LLM améliorent la précision des transcriptions médicales, ce qui est super pour le soin des patients.

Une méthode pour améliorer l'extraction de mélodies à travers différents styles de musique avec un minimum d'efforts humains.

De nouvelles méthodes améliorent la détection d'activité vocale et de chevauchement dans la diarisation des locuteurs.

Une nouvelle méthode intègre les signaux de la parole pour améliorer la détection de la dépression.

Cet article parle des méthodes pour créer des champs sonores immersifs en utilisant différentes configurations.

Une nouvelle méthode réduit le son métallique indésirable dans la réverbération audio.

Chirp MFCC améliore la représentation des signaux audio pour une meilleure classification et reconnaissance.

Techniques innovantes pour améliorer les modèles TTS et réduire la perte de connaissances.

Le projet EMO-SUPERB améliore la reconnaissance des émotions dans la parole grâce à des techniques améliorées et à la collaboration de la communauté.

Un nouveau cadre améliore les modèles de langue en reconnaissant et en répondant à différents styles de discours.

Un nouveau système pour évaluer la performance des codecs audio dans différentes applis.

Cette étude examine comment la taille des lots influence la performance et l'entraînement des modèles de discours.