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

Il riconoscimento vocale migliorato per le aule usando tecniche di allenamento avanzate rende l'apprendimento migliore.

Capire e mitigare le allucinazioni nell'AI per performance affidabili.

Un nuovo approccio utilizza reti neurali convoluzionali grafiche per un'analisi efficiente dei dati musicali.

Nuovi metodi migliorano le connessioni tra clip audio e descrizioni testuali.

ROSVOT migliora l'accuratezza nella trascrizione delle voci cantate, anche in ambienti rumorosi.

Nuove tecniche migliorano la ricostruzione vocale in ambienti difficili usando dati limitati.

Presentiamo un modello che genera audio e video sincronizzati con livelli di rumore misti.

Un nuovo sistema migliora le interazioni tra robot filtrando il discorso sovrapposto.

Questo articolo parla di un nuovo modello semplice per generare audio dalle immagini e viceversa.

I modelli linguistici denoising migliorano la correzione degli errori nei sistemi di riconoscimento vocale usando dati sintetici.

Il nuovo modello VPIDM migliora la chiarezza della voce in ambienti rumorosi.

NeRAF crea suoni e visual che si sincronizzano per esperienze immersive in vari campi.

Un nuovo metodo migliora l'allineamento audio-video usando modelli già addestrati.

Zipper combina in modo efficace diversi tipi di dati per modelli di intelligenza artificiale più intelligenti.

Usare il deep learning per migliorare il monitoraggio delle emissioni acustiche delle giunture bullonate.

Un nuovo modo per unire canto e danza grazie a tecniche informatiche avanzate.

Scopri come il speech inpainting sta riportando a nuovo l'audio in vari settori.

Un nuovo sistema migliora la chiarezza del parlato in ambienti con più persone che parlano.

Nuovi metodi migliorano il modo in cui le macchine riconoscono le emozioni nel parlato.

Il modello Frieren migliora la qualità audio e la sincronizzazione per i video.

Un nuovo metodo genera suoni unici partendo dal testo usando un sintetizzatore semplice.

Un nuovo metodo migliora la traduzione del parlato in ambienti rumorosi mantenendo l'espressività.

Un nuovo dataset migliora lo studio dell'identificazione dei Raga nella musica indiana.

Seed-TTS crea una voce realistica partendo dal testo per vari usi.

Nuovo metodo migliora la conversione da parlato a canto usando l'apprendimento auto-supervisionato.

StreamSpeech migliora la traduzione del parlato in tempo reale con efficienza e qualità.

Un nuovo modello migliora il riconoscimento vocale usando più metodi di decodifica.

Uno studio su come migliorare il riconoscimento vocale automatico per i dialetti arabi usando tecniche di modelli efficienti.

Presentiamo BLSP-Emo, un modello che capisce il parlato e le emozioni per interazioni migliori.

Un recente studio ripete risultati chiave sull'interpretazione dei dati usando suoni e immagini.

Il nuovo modello genera musica usando sia informazioni testuali che visive.

Un sistema che collega i suoni con le immagini, migliorando la comprensione delle macchine.

Il nuovo modello ARDiT migliora la sintesi testo-voce e l'editing vocale.

Nuovi metodi migliorano la chiarezza nell'isolamento delle voci da mix audio.

Ehi, ti presento SPICE, un progetto per migliorare le interazioni dell'IA usando informazioni contestuali.

La ricerca introduce il dataset MOSA, migliorando la comprensione degli aspetti visivi e uditivi della musica.

mHuBERT-147 elabora il parlato in più lingue in modo efficiente.

Un nuovo approccio alla captioning audio riduce la dipendenza dai dati abbinati.

Nuovi metodi migliorano il modo in cui le macchine riconoscono le emozioni nel linguaggio umano.

Uno sguardo ai nuovi metodi per capire il parlato sovrapposto durante le conversazioni.