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

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.

Découvre comment l'IA transforme la création musicale grâce à la collaboration avec les humains.

Améliorer les systèmes ASV pour reconnaître les voix des enfants avec précision.

La recherche met en avant de nouveaux modèles pour une meilleure qualité audio dans différents environnements.

Examiner comment le son et la vue ensemble améliorent la compréhension des données.

CLAPSep améliore la séparation des sons en utilisant des modèles pré-entraînés et des requêtes utilisateur pour une meilleure précision.

De nouvelles méthodes améliorent l'accessibilité et la précision des sous-titres audio.

Apprends à identifier les faux appels audio avec des techniques de défi-réponse innovantes.

CustomListener crée des avatars réalistes qui réagissent aux conversations de manière dynamique.

La recherche met en avant l'importance du timing par rapport aux caractéristiques spécifiques des intervenants dans les modèles de diarisation.

Une nouvelle méthode améliore la synthèse vocale pour les personnes qui ne peuvent pas parler.

Un aperçu de MONA, un système qui améliore la communication par la parole silencieuse.

Un aperçu de la reconnaissance automatique de la parole (ASR) et de ses avancées dans les applications modernes.

Explorer de nouvelles méthodes pour améliorer la reconnaissance des émotions dans la parole en utilisant des données naturelles.

La recherche se concentre sur l'aide aux robots pour mieux comprendre la parole en plein bruit de fond.