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

Un nuovo approccio non supervisionato migliora l'isolamento della voce nei mix audio.

Un nuovo benchmark per valutare i modelli di machine learning nella comprensione del parlato tra le lingue.

Questo articolo parla di metodi per migliorare la classificazione dei telefoni usando le caratteristiche audio.

Un nuovo modello migliora la percezione audio e le capacità di ragionamento nell'AI.

NASS migliora l'isolamento vocale in ambienti rumorosi, superando i metodi tradizionali.

Un nuovo modo per migliorare la qualità audio nella creazione di voci sintetiche.

Nuove tecniche migliorano l'efficienza del riconoscimento sonoro e riducono i costi di etichettatura.

Migliorare le metriche di qualità del suono usando nuovi metodi di calcolo del volume.

AlignAtt migliora la traduzione del discorso simultanea con una velocità e una qualità superiori.

Un nuovo metodo garantisce la privacy nella classificazione del linguaggio senza compromettere le prestazioni.

Questo studio mostra come adattare la tecnologia TTS a diversi accenti in modo efficiente.

Il modello AMII migliora la comunicazione per agenti socialmente interattivi attraverso un comportamento non verbale migliore.

Usare l'apprendimento federato per migliorare l'analisi vocale nella diagnosi del Parkinson in diverse lingue.

Questo studio si concentra sul riconoscimento dei dialetti arabi usando metodi avanzati e dati limitati.

Presentiamo un modello che integra diversi tipi di dati per compiti complessi.

I ricercatori stanno migliorando il modo in cui rileviamo automaticamente i suoni degli animali.

Scopri come Whisper si adatta a diversi compiti di parola usando l'ingegneria dei prompt.

Questo studio esamina modi per migliorare l'ASR per lingue a bassa risorsa usando tecniche di dati.

FastFit migliora la velocità di generazione del parlato senza perdere qualità del suono.

Un nuovo metodo migliora il rilevamento delle parole chiave nelle registrazioni audio.

Questo studio presenta un metodo per misurare meglio il movimento della lingua durante il parlato usando dati a raggi X.

Il sistema AED-EEND migliora la diarizzazione degli speaker integrando tecniche avanzate per una precisione migliore.

Pengi unisce comprensione audio e generazione di testo in un unico modello.

Un nuovo approccio punta a ridurre al minimo i ritardi nei sistemi di riconoscimento vocale, mantenendo però l'accuratezza.

Un nuovo metodo migliora i sistemi di riconoscimento delle parole chiave per una migliore performance in audio variabile.

Un nuovo sistema TTS migliora la generazione del parlato in diverse lingue con dati limitati.

CoDi permette di generare contemporaneamente diversi tipi di contenuti da vari input.

Nuove tecniche migliorano la separazione del suono dalle mescole Ambisonics per esperienze audio migliori.

Un nuovo metodo migliora i modelli di linguaggio riducendo al contempo le risorse necessarie.

Nuovi metodi che usano la voce sembrano promettenti per identificare i modelli respiratori e le condizioni di salute.

MIDI-Draw permette a chiunque di fare musica disegnando melodie in modo intuitivo.

Nuove tecniche che prendono in prestito dall'elaborazione delle immagini migliorano la valutazione della qualità audio.

Nuovi metodi aumentano l'efficienza nei sistemi di riconoscimento vocale senza perdere precisione.

Nuovi metodi migliorano la comprensione del parlato da parte delle macchine utilizzando segnali audio e visivi.

Nuovo modello migliora il riconoscimento delle parole chiave in situazioni acustiche difficili.

i-Code V2 integra visione, lingua e parlato per risposte AI migliori.

Un nuovo metodo migliora i modelli di parlato trasferendo conoscenza dai modelli di testo.

Una raccolta di suoni respiratori aiuta a identificare i casi di COVID-19.

Un nuovo modello migliora la verifica dell'identità dell'altoparlante con tecniche efficienti.

Uno sguardo dettagliato alle tecniche di riconoscimento vocale sviluppate per la competizione del 2022.