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

Le tecniche di anonimizzazione degli speaker proteggono le informazioni personali mantenendo chiara la comunicazione.

Nuovi metodi migliorano la chiarezza vocale in ambienti rumorosi per gli auricolari.

Un nuovo modello migliora la separazione vocale e la trascrizione melodica nella musica.

La ricerca svela come i neuroni nei modelli di linguaggio riconoscono le caratteristiche chiave del suono.

Un nuovo modello semplifica la produzione audio eliminando automaticamente i suoni di respiro.

I modelli di linguaggio per il parlato sembrano promettenti, ma faticano a identificare i relatori nelle conversazioni.

Un approccio di apprendimento auto-supervisionato riduce la necessità di dati audio etichettati.

Uno studio rivela il ruolo dei dati vocali nel riconoscere le emozioni nei parlanti spagnoli.

Un nuovo metodo migliora la chiarezza vocale in ambienti rumorosi.

Approcci innovativi mirano a migliorare la qualità musicale per chi ha problemi di udito.

GenRep offre un approccio innovativo per identificare suoni insoliti delle macchine con dati limitati.

TF-Mamba migliora la localizzazione del suono usando un nuovo metodo che integra dati temporali e di frequenza.

La ricerca sui sistemi ASR modulari punta a migliorare le performance in ambienti rumorosi.

Un nuovo metodo combina significato e suono per migliorare il riconoscimento delle emozioni nel parlato.

Questo articolo parla di metodi di allenamento efficienti per modelli di voce usando l'apprendimento autosupervisionato.

Una nuova architettura migliora il rilevamento del suono in diversi ambienti.

Un nuovo modello migliora la generazione musicale concentrandosi su strumenti singoli.

Presentiamo DENSE, un metodo che migliora l'estrazione del discorso target usando embedding dinamici.

Un nuovo metodo migliora la trasformazione audio mantenendo melodia e qualità del suono.

Questo metodo migliora l'accuratezza del riconoscimento per i nomi rari nei risultati vocali.

Migliorare l'identificazione delle parole parlate tramite indizi visivi in lingue poco supportate.

Un nuovo modello migliora il rilevamento degli audio deepfake con apprendimento continuo.

Una panoramica dei metodi, delle sfide e dei sistemi di diarizzazione audio-visiva dei relatori.

BigCodec migliora la qualità del suono nella trasmissione audio a bassa bitrate.

Nuovo metodo migliora la cattura del suono usando microfoni circolari per una qualità audio migliore.

Questo articolo parla dei vantaggi di semplificare i modelli transformer per i compiti di riconoscimento vocale.

Sortformer integra la diarizzazione degli speaker e l'ASR per migliorare l'elaborazione audio.

Un modo nuovo per creare suoni di pianoforte realistici usando la separazione dei componenti sonori.

ParaEVITS migliora l'espressione emotiva nel TTS attraverso la guida del linguaggio naturale.

Scopri come l'audio inpainting ripara le parti mancanti dei segnali.

Nuovi metodi migliorano la comprensione del linguaggio parlato grazie a un dataset innovativo.

Nuovi metodi migliorano la conversazione uomo-robot rendendo il parlato più chiaro.

Nuovi metodi migliorano l'accesso alle notizie parlate segmentando meglio gli argomenti.

Questa ricerca analizza le performance di Mamba nei compiti di parola, mettendo in evidenza la ricostruzione e il riconoscimento dei suoni.

Un nuovo metodo per il tagging musicale usando il few-shot learning mostra risultati promettenti.

FlowSep introduce un metodo nuovo per estrarre suoni usando query linguistiche.

SSR-Speech offre nuove soluzioni per la generazione e la modifica del parlato.

I progressi nell'IA rendono comuni gli audio falsi, spingendo a cercare modi per rilevarli.

Il nuovo modello migliora la generazione del parlato in diversi dialetti delle lingue a accento tonale.

Un nuovo metodo migliora l'accuratezza della localizzazione sonora garantendo la privacy dei dati.