Derniers articles pour Reconnaissance vocale

Une nouvelle méthode améliore le dialogue machine grâce à des données pseudo-stéréo.

Cette étude présente un ensemble de données et une méthode pour améliorer la précision de la reconnaissance vocale chinoise en utilisant le Pinyin.

Cette étude se concentre sur l'amélioration de la détection des faux audios en utilisant des méthodes avancées.

Comprendre l'incertitude améliore la précision de la reconnaissance des émotions dans des situations réelles.

Un système de reconnaissance de locuteurs dans des audio multilingues sans avoir besoin de beaucoup de données.

Améliorer la technologie d'anonymisation des locuteurs pour neuf langues afin de garantir la vie privée.

Les recherches montrent que la vidéo aide à améliorer la reconnaissance vocale dans des environnements bruyants.

Une nouvelle méthode améliore la précision dans la reconnaissance de la parole de plusieurs intervenants.

Explore comment le cortex auditif intègre le son au fil du temps.

Une nouvelle méthode améliore la clarté de la parole dans des environnements bruyants en utilisant des réseaux de neurones doubles.

Le modèle XLSR-Transducer déchire en transcription en temps réel avec peu de données.

Un nouveau modèle améliore la précision des capacités de reconnaissance vocale en texte dans plusieurs langues.

Des recherches montrent des risques dans les modèles de parole multi-tâches comme Whisper.

TokenVerse simplifie l'analyse des conversations orales en intégrant plusieurs tâches dans un seul modèle.

Cette étude examine le Mix-Training pour la détection de mots-clés dans des conditions de parole bruyante.

Améliorer les systèmes de reconnaissance vocale pour les langues avec peu de données en ligne.

Cette étude examine comment les réseaux de neurones interprètent la parole en utilisant des spectrogrammes.

Apprends comment le contexte améliore la précision de la reconnaissance vocale automatique et la reconnaissance des mots.

Cette étude utilise fiwGAN pour explorer les modèles d'harmonie vocalique dans la langue assamese.

Un nouveau cadre améliore la performance de l'ASR en utilisant des données et des ressources limitées.

Cet article parle des moyens d'améliorer le formatage des expressions numériques dans les transcriptions automatiques.

Des chercheurs explorent des approches sans texte pour mieux comprendre le langage parlé.

Un nouveau modèle améliore la clarté de la voix en s'attaquant au bruit et aux échos.

Un nouveau jeu de données permet aux soins de santé d'utiliser des systèmes de questions par la parole pour les images médicales.

Une étude sur l'amélioration de la précision de la transcription grâce à une meilleure conception des invites.

Une nouvelle approche améliore les systèmes de reconnaissance vocale en utilisant des descriptions de l'environnement sonore.

Combiner la synthèse vocale et des données réelles améliore efficacement les systèmes de reconnaissance vocale.

Une nouvelle méthode améliore la conversion de la parole silencieuse en audio compréhensible.

Une nouvelle méthode améliore la séparation des voix dans des environnements bruyants avec plusieurs intervenants.

Cette étude présente une méthode pour évaluer le sens des signaux sonores.

De nouvelles méthodes visent à améliorer la reconnaissance de la parole chuchotée dans les systèmes automatiques.

Les modèles d'IA améliorent la précision des conversions de la parole en texte.

Examiner des techniques pour protéger la vie privée tout en analysant des conversations enregistrées.

Un nouveau modèle intègre des données audio et visuelles pour la reconnaissance vocale et la traduction.

De nouvelles méthodes améliorent la précision de la reconnaissance vocale pour les accents divers.

Wav2graph crée des graphes de connaissances à partir de la langue parlée pour améliorer la compréhension de l'IA.

MulliVC transforme les voix à travers les langues avec une précision et une clarté impressionnantes.

Un nouveau système de navigation robotique comprend les commandes vocales à travers les émotions.

Le modèle TOGGL améliore la précision de la transcription dans les situations de discours qui se chevauchent.

Une méthode pour améliorer la qualité de la reconnaissance vocale dans des environnements bruyants.