Informatica - Suono

GAMA migliora l'elaborazione audio unendo intuizioni su suono e linguaggio.

GigaSpeech 2 offre un'enorme raccolta di dati per le lingue a bassa risorsa per migliorare il riconoscimento vocale.

Un nuovo modello migliora la tecnologia da testo a voce con efficienza e adattabilità.

Un nuovo metodo per ottimizzare l'analisi e la sintesi del parlato usando i movimenti del tratto vocale.

Questo studio esamina come i gesti influenzano l'apprendimento dagli agenti virtuali.

Scopri la diarizzazione degli speaker online e il suo significato in diverse applicazioni.

Nuovo strumento di benchmark valuta i token audio discreti per vari compiti di elaborazione del parlato.

Un nuovo metodo per la generazione di musica usando matrici di autosimilarità e sistemi di attenzione.

Nuove tecniche migliorano la modellazione degli amplificatori per chitarra usando dati non abbinati e GAN.

Un nuovo metodo per capire come i modelli audio fanno previsioni.

Introduzione della conversione vocale spaziale per migliorare il realismo audio e l'immersione.

La ricerca esplora come l'analisi del linguaggio possa prevedere il rischio di suicidio, tenendo conto delle differenze di genere.

Questo documento presenta un sistema per creare immagini che rispondono alla musica.

Un nuovo sistema aiuta i robot ad apprendere compiti utilizzando audio da dimostrazioni reali.

Nuovi metodi migliorano l'accuratezza nel riconoscere suoni sovrapposti da diverse sorgenti audio.

Un nuovo metodo combina caratteristiche acustiche e punteggi di fiducia per una correzione degli errori migliore.

SecureSpectra offre un modo nuovo per proteggere l'identità audio dai rischi dei deepfake.

Combinare fisica e geometria per migliorare le previsioni di scattering acustico.

Un nuovo sistema per la traduzione rapida e precisa del parlato in diverse lingue.

Un metodo semplice per creare voci e controllare le emozioni nella sintesi vocale.

Migliorare MMDenseNet per una separazione musicale veloce ed efficiente.

Un nuovo metodo migliora il dialogo macchina grazie a dati pseudo-stereo.

Questo studio presenta un dataset e un metodo per migliorare l'accuratezza dell'ASR cinese usando il Pinyin.

Tecniche innovative migliorano il design degli altoparlanti e la direzione del suono.

Questo studio si concentra sul miglioramento della rilevazione dell'audio deepfake usando metodi avanzati.

Usare interfacce e modelli visivi per migliorare la generazione musicale.

Un nuovo sistema per creare effetti sonori sincronizzati nei video.

Uno studio per migliorare la segmentazione audio integrando gli embeddings degli speaker.

Questo articolo presenta un sistema TTS più efficiente che si adatta ai relatori.

Nuovi metodi migliorano i modelli vocali per le lingue con pochi dati.

Capire l'incertezza aumenta l'accuratezza del riconoscimento delle emozioni in situazioni reali.

Un nuovo metodo migliora l'accuratezza dell'allineamento dei fonemi per diverse applicazioni vocali.

Uno studio sulla traduzione dell'inglese nigeriano per una migliore accessibilità nei film di Nollywood.

Quest'articolo presenta un sistema di codifica duale per un apprendimento efficace della rappresentazione vocale.

MelodyT5 offre un nuovo modo di creare e analizzare la musica usando notazione simbolica.

Il dataset GTZAN-synth sfrutta musica sintetica per migliorare i sistemi di tagging musicale.

MelodyLM semplifica la creazione di musica usando input testuali e vocali.

Il modello SAVE migliora la segmentazione audio-visiva con efficienza e precisione.

Nuovo modello migliora la traduzione da parlato a testo usando grandi modelli linguistici.

La ricerca presenta un modello che collega le registrazioni sonore ai movimenti della bocca per il parlato.