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

Migliorare la sintesi vocale nelle lingue indiane usando unità inter-pausali.

DeFT-Mamba migliora la separazione e la classificazione dei suoni in ambienti rumorosi.

CADA-GAN migliora le performance dei sistemi ASR in vari ambienti di registrazione.

EVA unisce segnali audio e visivi per una migliore precisione nel riconoscimento vocale.

Un nuovo framework semplifica il riconoscimento vocale in ambienti affollati.

Llama-AVSR unisce audio e input visivi per migliorare l'accuratezza del riconoscimento vocale.

WMCodec migliora il watermarking audio per una sicurezza e autenticità migliori.

Nuovi modelli affrontano la classificazione dei suoni con dati di addestramento limitati.

Un nuovo approccio migliora il rilevamento di audio falso usando modelli preaddestrati.

Nuovo metodo migliora la qualità e l'efficienza della generazione del parlato.

Un metodo che combina dati etichettati e non etichettati migliora il rilevamento delle sorgenti sonore.

Scopri come i suoni aiutano i giocatori nel tennis da tavolo.

Un sistema che dà la priorità alla melodia pur offrendo controllo sulla generazione di musica orchestrale.

Un nuovo metodo utilizza l'ombreggiatura virtuale per migliorare il feedback sulla pronuncia degli studenti di lingue.

Nuovi metodi migliorano la qualità audio binaurale in ambienti sonori difficili.

Un nuovo metodo ASR aiuta la tecnologia a capire meglio il linguaggio dei bambini.

Il compositore usa dei prompt testuali per creare composizioni musicali complesse in formato MIDI.

Una risorsa per studiare i modelli vocali nella musica idol giapponese.

ViolinDiff migliora il realismo della musica per violino generata al computer.

Combinare le caratteristiche migliora l'accuratezza nella classificazione dei suoni sott'acqua.

Il transfer learning migliora la classificazione audio per la rilevazione dei suoni sottomarini.

La tecnologia AI sta cambiando il panorama delle truffe di vishing, aumentando i rischi per le persone.

Un nuovo modello crea audio che si abbina al video, migliorando le esperienze media.

Un metodo per potenziare il riconoscimento automatico del parlato mescolando liste di parole chiave con modelli linguistici.

Uno studio sulle tecniche di imitazione vocale usando la tecnologia per migliorare la comunicazione.

Scopri come allenare efficacemente modelli di linguaggio con meno risorse etichettate.

Un'analisi della terminologia di genere nella tecnologia vocale e le sue implicazioni sociali.

Un nuovo framework migliora la rilevazione di eventi sonori sovrapposti in ambienti audio complessi.

Ricerche per migliorare l'identificazione dei suoni degli uccelli tramite tecniche di machine learning.

Un nuovo metodo migliora la creazione automatica di cover per pianoforte usando la tecnologia di trascrizione musicale esistente.

Uno sguardo ai risultati della sfida Codec-SUPERB e ai metodi di misurazione delle performance del codec.

Il progetto MultiMed migliora il riconoscimento vocale automatico per una comunicazione sanitaria migliore.

Un modo nuovo per valutare la qualità audio senza bisogno di riferimenti puliti.

Il framework ECHO migliora l'accuratezza della classificazione del suono usando etichette strutturate e un processo di apprendimento in due fasi.

Nuovo metodo migliora la chiarezza del parlato integrando informazioni visive.

Un nuovo approccio migliora la stima della direzione del suono per relatori in movimento in situazioni difficili.

Il recupero di momenti audio permette di individuare momenti specifici in registrazioni lunghe.

Safe Guard rileva discorsi d'odio in tempo reale durante le interazioni vocali nella VR sociale.

L'IA sta evolvendo per avere conversazioni più naturali.

Un approccio nuovo usa la risonanza magnetica in tempo reale per visualizzare i movimenti della produzione del parlato.