Informatica - Suono

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.

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.

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 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.

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 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.

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.

Un nuovo approccio addestra l'IA a riconoscere meglio il parlato e le emozioni in ambienti rumorosi.

Nuovi metodi puntano a migliorare la comprensione delle dinamiche familiari e della salute mentale dei bambini.

Nuovi metodi di deep learning migliorano le previsioni sul movimento del diaframma del parlante.

Esplorare come ciwGAN possa imparare e rappresentare caratteristiche fonologiche come la nasalità.

Un nuovo modello migliora l'efficienza e l'accuratezza del riconoscimento vocale.

Un nuovo metodo migliora la precisione del riconoscimento vocale usando informazioni contestuali.

I ricercatori usano i GAN per generare discorsi rumorosi da audio pulito, migliorando i modelli di parlato.

Il corpus JNV cattura suoni emotivi diversi in giapponese, arricchendo le collezioni esistenti.

Nuovi metodi migliorano la generazione della risata per interazioni realistiche tra umani e computer.

Uno sguardo su come individuare l'audio fake nel mondo tech di oggi.

Un nuovo metodo migliora il rilevamento delle emozioni nel parlato grazie a tecniche avanzate di transformer.

Usare modelli di testo per migliorare la generazione del parlato per una comprensione migliore.

C-MCR semplifica l'apprendimento multi-modale collegando in modo efficiente le conoscenze esistenti.

FluentSpeech offre una soluzione automatica per rendere l'editing del discorso più fluido.

MDA migliora il riconoscimento vocale ottimizzando i modelli per aree di dati specifiche.

La ricerca mostra che i segnali cerebrali possono aiutare a prevedere i movimenti della lingua durante il parlare.

Il sistema TTS U-DiT migliora la generazione del parlato naturale grazie a un'architettura innovativa.

Un nuovo metodo punta a migliorare i sistemi ASR per i parlanti con disartria.

Migliorare l'identificazione degli speaker combinando suoni e parole parlate nell'audio.

Gli agenti virtuali imparano a imitare i gesti umani per interagire meglio.

Un nuovo metodo per creare sintetizzatori che avvantaggia i musicisti.