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

Questo articolo parla di soluzioni per le applicazioni vocali in lingue con dati trascritti limitati.

I ricercatori combinano metodi generativi e discriminativi per migliorare la classificazione del suono.

Un nuovo modello migliora la sicurezza dell'identificazione vocale e resiste al spoofing vocale.

Uno sguardo all'Attenzione Adattiva Gaussiana per migliorare le prestazioni dell'IA.

La ricerca mostra che il deep learning migliora la nostra comprensione del ritmo della lingua.

CoAVT integra dati audio, visivi e testuali per una comprensione migliore.

E-SHARC migliora l'identificazione degli speaker in vari ambienti audio.

Un nuovo sistema genera musica pensata per esprimere felicità e tristezza.

Esaminando i pericoli e le preoccupazioni etiche della generazione di parole sintetiche.

Una guida per capire la somiglianza musicale nei modelli generativi.

Uno studio sulla sintesi del suono e la sua valutazione in ambienti controllati.

Un nuovo metodo migliora la precisione nel localizzare fonti sonore in movimento usando array di microfoni.

PAM offre un modo nuovo per misurare la qualità audio senza bisogno di registrazioni di riferimento.

Un metodo migliora la chiarezza del parlato in ambienti rumorosi senza dati di addestramento chiari.

Audio Flamingo è super nel ascoltare, chiacchierare e adattarsi a nuove task audio.

Un nuovo modello migliora la comprensione del suono spaziale da parte delle macchine.

Un nuovo modello migliora l'efficienza del riconoscimento vocale in tempo reale.

Nuovi metodi migliorano l'ASR per le lingue poco rappresentate usando dati da lingue simili.

Questo studio valuta i suoni rispetto alle parole nella ricostruzione degli alberi genealogici delle lingue.

Nuovo modello migliora la creazione musicale usando il feedback degli utenti.

Reborn offre soluzioni innovative per il riconoscimento automatico della voce senza dati etichettati.

Un nuovo strumento aiuta gli utenti a modificare i suoni facilmente attraverso semplici istruzioni testuali.

Un nuovo modello unisce il linguaggio parlato e scritto per migliorare la comunicazione.

Uno sguardo ai nuovi modelli per risposte parlate naturali.

Un nuovo metodo integra informazioni acustiche nei modelli linguistici per una migliore riconoscimento vocale.

Usare la musica per spiegare il cancro può migliorare la comprensione e il coinvolgimento.

Scopri come la localizzazione del suono identifica la fonte dei suoni usando tecniche avanzate.

Un nuovo modo per sintetizzare voci con un'accuratezza del ritmo migliorata.

I LLM migliorano la precisione nelle trascrizioni mediche, avvantaggiando la cura dei pazienti.

Un metodo per migliorare l'estrazione delle melodie in diversi stili musicali con il minimo sforzo umano.

Nuovi metodi migliorano il rilevamento dell'attività vocale e delle sovrapposizioni nella diarizzazione degli oratori.

Nuovo metodo integra segnali vocali per migliorare la rilevazione della depressione.

Questo articolo parla di metodi per creare campi sonori immersivi utilizzando vari arrangiamenti.

Un nuovo metodo riduce il suono metallico indesiderato nella riverberazione audio.

Chirp MFCC migliora la rappresentazione del segnale audio per una classificazione e riconoscimento migliori.

Tecniche innovative per migliorare i modelli TTS e ridurre la perdita di conoscenza.

Il progetto EMO-SUPERB migliora il riconoscimento delle emozioni nel parlato grazie a tecniche avanzate e alla collaborazione della comunità.

Un nuovo framework migliora i modelli linguistici riconoscendo e rispondendo a diversi stili di linguaggio.

Un nuovo sistema per valutare le prestazioni dei codec audio in diverse applicazioni.

Questo studio esamina come la dimensione del batch influisce sulle prestazioni e sull'addestramento dei modelli di linguaggio.