Articoli più recenti per Tecnologia del parlato

Presentiamo un metodo più veloce per la sintesi vocale di alta qualità usando modelli di diffusione.

HiFTNet offre una sintesi vocale più veloce e di alta qualità usando tecniche innovative ed efficienti.

Esplora come TTT migliora il riconoscimento vocale adattandosi ai cambiamenti di distribuzione.

Un nuovo modello migliora l'efficienza e le prestazioni nella separazione del parlato.

Uno studio mostra che l'augmented audio può migliorare il riconoscimento vocale nelle lingue a bassa risorsa.

Questo studio trasforma i dati della risonanza magnetica della lingua in audio vocale reale.

Un nuovo metodo migliora l'efficienza del riconoscimento vocale usando l'adattamento a basso rango.

Un nuovo punto di riferimento per migliorare la precisione dell'ASR usando modelli di linguaggio.

Un nuovo approccio per generare discorsi piccoli, efficienti e che suonano naturali.

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

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

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

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

Un nuovo metodo migliora le prestazioni del modello di parlato e l'efficienza in ambienti rumorosi.

Uno studio per migliorare i sistemi TTS con campioni vocali diversi.

La ricerca identifica e classifica i dialetti curdi sorani usando registrazioni audio estese.

RALL-E migliora la sintesi testo-parola per un parlato più chiaro e naturale.

Nuovi metodi migliorano la rappresentazione audio attraverso tecniche di apprendimento self-supervised.

Il nuovo modello permette di controllare con precisione le qualità della voce mantenendo il contenuto.

Un nuovo framework per valutare i modelli di base nei compiti di parlato.

Uno studio rivela che gli utenti preferiscono agenti vocali statici piuttosto che quelli adattivi.

FlashSpeech offre soluzioni di sintesi vocale rapide e di alta qualità.

SEANet migliora l'isolamento degli altoparlanti riducendo il rumore nell'elaborazione audio.

Un metodo di apprendimento attivo in due fasi migliora l'accuratezza del riconoscimento vocale con meno dati.

Questo studio valuta le performance dei sistemi ASR con persone che balbettano.

Questo articolo esplora le vulnerabilità nei modelli di discorso e i modi per migliorare la loro sicurezza.

Nuovi metodi migliorano il modo in cui le macchine riconoscono le emozioni nel parlato.

Seed-TTS crea una voce realistica partendo dal testo per vari usi.

Il nuovo modello ARDiT migliora la sintesi testo-voce e l'editing vocale.

mHuBERT-147 elabora il parlato in più lingue in modo efficiente.

Nuovi metodi migliorano il riconoscimento vocale in ambienti rumorosi usando tecniche adattive.

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

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

Nuovi sforzi mirano a supportare i dialetti Yoruba nella tecnologia linguistica.

Questo articolo parla di come Wav2Vec2.0 elabora i suoni della voce usando la fonologia.

Questo studio valuta la tecnologia vocale in lingue a basso costo come l'arabo tunisino.

Migliorare la sintesi vocale per una generazione di voce più naturale ed espressiva.

Introducendo un metodo per avere un controllo migliore nell'editing del parlato.

Emilia offre un dataset vario per migliorare i modelli di generazione vocale.

Mamba promette bene contro i transformers nei compiti di linguaggio, specialmente per input lunghi.