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

Un framework che usa modelli di linguaggio grandi per creare dialoghi audio autentici.

Un nuovo benchmark aiuta a valutare i tokenizer vocali per migliorare le prestazioni.

Un nuovo metodo migliora il riconoscimento vocale automatico mantenendo l'ordine dei suoni nel trasferimento delle conoscenze.

Un nuovo modello migliora il riconoscimento vocale nelle conversazioni multilingue.

Questo studio analizza l'efficacia dei LLM nella musicologia e la loro affidabilità.

Questo studio analizza come il rumore possa migliorare la resilienza nel riconoscimento del parlato di fronte alle sfide.

Scopri come un microfono in più migliora la rilevazione della direzione del suono in ambienti rumorosi.

Un nuovo metodo migliora la conversione della voce usando meno campioni.

Un trasduttore innovativo e leggero migliora l'efficienza e la precisione del riconoscimento vocale.

Nuovi metodi migliorano la creazione musicale attraverso l'analisi audio e il controllo dell'utente.

Nuovi metodi di watermarking proteggono i creatori nei modelli generativi audio.

Scopri come DDSP migliora l'efficienza e la qualità della sintesi vocale.

Questo studio migliora la SER grazie a una migliore pre-elaborazione e modelli di attenzione più efficienti.

Un sistema per regolare la musica in tempo reale nei giochi e nei film.

aTENNuate offre un miglioramento efficiente in tempo reale dei segnali vocali, migliorando la chiarezza della comunicazione.

I ricercatori esplorano gli echi ultrasonici per misurazioni di distanza precise in ambienti interni tranquilli.

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.