Derniers articles pour Technologie de la parole

Présentation d'une méthode plus rapide pour la synthèse vocale de haute qualité utilisant des modèles de diffusion.

HiFTNet propose une synthèse vocale rapide et de haute qualité en utilisant des techniques innovantes et efficaces.

Explore comment TTT améliore la reconnaissance vocale en s'adaptant aux changements de distribution.

Un nouveau modèle améliore l'efficacité et la performance de la séparation des voix.

Une étude montre que l'augmentation audio peut améliorer la reconnaissance vocale dans les langues à faibles ressources.

Cette étude transforme les données de langue obtenues par IRM en audio de parole réel.

Une nouvelle méthode améliore l'efficacité de la reconnaissance vocale en utilisant une adaptation de faible rang.

Un nouveau standard pour améliorer la précision de la reconnaissance vocale avec des modèles de langue.

Une nouvelle approche pour la génération de discours petite, efficace et qui sonne naturel.

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

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

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

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

Une nouvelle méthode améliore la performance et l'efficacité des modèles de parole dans des environnements bruyants.

Une étude sur l'amélioration des systèmes TTS avec des échantillons de voix divers.

La recherche identifie et classe les dialectes kurdes sorani en utilisant des enregistrements audio extensifs.

RALL-E améliore la synthèse texte-parole pour un discours plus clair et naturel.

De nouvelles méthodes améliorent la représentation audio grâce à des techniques d'apprentissage auto-supervisé.

Nouveau modèle permet un contrôle précis des qualités vocales tout en gardant le contenu.

Un nouveau cadre pour évaluer les modèles de base dans les tâches de parole.

Une étude révèle que les utilisateurs préfèrent les agents vocaux statiques aux agents adaptatifs.

FlashSpeech propose des solutions de synthèse vocale rapides et de haute qualité.

SEANet améliore l'isolement des intervenants en réduisant le bruit dans le traitement audio.

Une méthode d'apprentissage actif en deux étapes améliore la précision de la reconnaissance vocale avec moins de données.

Cette étude évalue la performance des systèmes de reconnaissance vocale avec des personnes qui bégaient.

Cet article examine les vulnérabilités des modèles de discours et les moyens d'améliorer leur sécurité.

De nouvelles méthodes améliorent la façon dont les machines reconnaissent les émotions dans la parole.

Seed-TTS crée une voix réaliste à partir de texte pour différentes applications.

Le nouveau modèle ARDiT améliore la synthèse vocale et l'édition de la parole.

mHuBERT-147 traite la parole dans plusieurs langues de manière efficace.

De nouvelles méthodes améliorent la reconnaissance vocale dans des environnements bruyants en utilisant des techniques adaptatives.

Une nouvelle méthode qui optimise l'analyse et la synthèse de la parole en utilisant les mouvements du tractus vocal.

Une étude sur l'amélioration de la segmentation audio en intégrant des embeddings de locuteurs.

De nouveaux efforts visent à soutenir les dialectes yoruba dans la technologie linguistique.

Cet article parle de comment Wav2Vec2.0 traite les sons de la parole en utilisant la phonologie.

Cette étude évalue la technologie de la parole dans des langues à faibles ressources comme l'arabe tunisien.

Améliorer la synthèse vocale pour une génération de voix plus naturelle et expressive.

Présentation d'une méthode pour un meilleur contrôle dans l'édition de discours.

Emilia propose un dataset varié pour améliorer les modèles de génération de discours.

Mamba montre du potentiel contre les transformers dans les tâches de parole, surtout pour les longues entrées.