Ingegneria elettrica e scienze dei sistemi - Elaborazione dell'audio e del parlato

Combinare le caratteristiche audio e il testo può migliorare la previsione delle emozioni nella musica.

Scopri come l'augmentazione dei dati migliora le prestazioni del riconoscimento vocale.

Combinare segnali audio e visivi aiuta a riconoscere meglio il parlato in ambienti difficili.

HalluAudio migliora il riconoscimento del suono con esempi minimi usando un'analisi audio unica.

Uno sguardo a come i sistemi ASR forniscono spiegazioni per le loro trascrizioni.

Nuovo modello TTS genera voci basate su caratteristiche facciali per diverse applicazioni.

Rivoluzionando la produzione audio trasformando le voci dei cantanti ma mantenendo le canzoni originali.

I nuovi modelli migliorano la naturalezza della voce nei sistemi di sintesi vocale.

Un nuovo modello permette ai musicisti di controllare la sintesi del suono in modo più efficace.

Combinare dati audio e visivi per migliorare il riconoscimento delle parole chiave negli assistenti vocali.

Nuovi metodi rivelano come il linguaggio possa indicare la gravità della depressione.

Un nuovo metodo migliora l'apprendimento automatico per i compiti audio mantenendo le conoscenze pregresse.

Un nuovo framework migliora l'ASR multilingue unendo caratteristiche specifiche delle lingue con l'efficienza.

Nuovi metodi migliorano l'accuratezza dei controlli identità basati sulla voce.

Questo framework affronta le sfide nella pronuncia text-to-speech per una migliore interazione con l'utente.

Il database ClArTTS migliora la sintesi vocale araba con registrazioni di qualità.

Un nuovo metodo migliora il matching audio per i documenti di design usando un dataset unico.

La valutazione NIST del 2022 si è concentrata sui progressi nel riconoscimento linguistico, in particolare per le lingue africane.

Il nuovo modello deHuBERT migliora l'accuratezza del riconoscimento vocale in condizioni di rumore difficili.

ParrotTTS rivoluziona la generazione del parlato con meno dati trascritti.

Un nuovo sistema migliora la trascrizione di lunghe registrazioni audio con un'accuratezza migliore.

Presentiamo gli Avatar READ per un'espressione emotiva realistico nei personaggi digitali.

SpeechPrompt v2 migliora la classificazione del parlato con tecniche efficienti e una precisione migliore.

audb semplifica la gestione e la condivisione dei dataset audio in modo efficiente.

Questo studio migliora il riconoscimento vocale attraverso la distillazione della conoscenza in ensemble e il campionamento elitario.

Nuovo metodo migliora l'accuratezza della verifica del parlante da registrazioni a lunga distanza.

I modelli end-to-end semplificano il riconoscimento vocale, migliorando l'accuratezza e l'efficienza.

Nuove tecniche migliorano l'efficienza del processamento vocale con meno risorse e prestazioni migliori.

LooperGP aiuta i musicisti a creare loop personalizzabili per le loro esibizioni dal vivo.

Nuovi metodi migliorano la profondità emotiva nel TTS, rendendo le interazioni con gli utenti migliori.

L'auto-distillazione potenzia i sistemi di rilevamento contro le tecnologie di discorso falso.

Nuove tecniche migliorano il rilevamento di voci false nei sistemi di riconoscimento vocale.

Tecniche innovative riducono le dimensioni del modello mantenendo le prestazioni nella verifica del parlante.

Nuove intuizioni su come identificare le emozioni nel parlato usando dati sonori e di parole.

Uno studio su come catturare le emozioni nella musica attraverso le performance dei pianisti.

I miglioramenti nella tecnologia TTS migliorano la personalizzazione e la qualità del parlato.

Nuovi modelli migliorano l'efficienza degli assistenti vocali mobili.

ProVE migliora la generazione audio procedurale, aumentando la qualità del suono e il controllo dell'utente.

Un nuovo metodo migliora il riconoscimento dell'oratore combinando caratteristiche temporali e di frequenza.

Un nuovo algoritmo migliora l'analisi dei segnali complessi in vari settori.