スピーチテクノロジー に関する最新の記事

研究者たちは、位相情報の調整を使って機械生成音声の検出を改善してるよ。

新しいフレームワークが無監督スピーチ認識システムの研究を強化する。

新しいモデルLinDiffが音声合成のスピードとクオリティを向上させたよ。

研究者たちは、エレクトロラリネックスのユーザーのために、視覚と音の特徴を組み合わせてスピーチを改善している。

この研究は、LLMが長い動画の中でのスピーチ理解をどのように向上させるかを強調している。

新しい方法が、リソースを少なくしてもより良い性能を出す音声モデルの最適化を実現する。

EM-Networkは、音声や言語処理タスクでのシーケンス学習を強化するんだ。

この研究は合成音声の品質を予測するためのいくつかのモデルを評価してるよ。

この記事では、信頼度ベースのアンサンブル手法を使った音声認識の向上について話してるよ。

GenerTTSは、クロスリンガルアプリケーション向けにテキスト読み上げ技術を強化してるよ。

新しいモデルが、ディープラーニングを使って騒がしい背景からの音声抽出を改善したんだ。

高度な合成技術による声の再生向上に関する研究。

新しい方法が話者の身元を隠しつつ、話の明瞭さを保つことを目指してるよ。

エネルギー効率の良いネットワークを使ってスピーチの質を向上させる新しい方法。

研究者たちは、多様なデータを使って、感情がスピーチを通じてどのように共有されるかを分析してるよ。

新しい手法が自己教師あり学習を使って合成音声の品質を向上させてるよ。

フェデレーテッドラーニングは、ユーザーデータをプライベートに保ちながら、音声認識を向上させるんだ。

音声だけを使って感情検出を改善する新しい方法があるよ。

O-1は自己学習法を最適化することで音声認識を改善する。

研究はAIによって作られたフェイク音声のリアルタイム検出方法を強調している。

新しい剪定方法がゼロショット多話者テキスト音声合成モデルのパフォーマンスを向上させる。

スピーチデータを選ぶ新しい方法は、ラベリングを最小限に抑えつつ、認識精度を向上させる。

新しい方法がリスナーの好みスコアを使ってスピーチの質を評価するのを向上させる。

吃音のあるユーザー向けにASRシステムを強化する方法。

新しい単一ステップの方法が、音声のフォーマント追跡の精度を向上させるよ。

新しいアプローチが音声と言語モデルの統合を強化する。

事前学習した言語モデルがテキスト音声変換の品質をどう向上させるかを調べる。

マイクロソフトのMuLanTTSは、自然で表現力豊かなフランス語のテキスト読み上げ機能を提供してるよ。

プロジェクトは自己教師あり学習を使ってフランス語の音声処理を改善することを目指してる。

新しい方法で、機械がスピーチのリズムや感情を認識するのが改善されてる。

この研究は、ASRシステムが子供の話す言葉を認識する能力を向上させる。

VoxtLMは、音声認識、合成、テキスト生成、そして継続を1つのモデルにまとめているよ。

Libriheavyは、音声認識技術を向上させるために5万時間の英語音声を提供してるよ。

AV2Wavは音声と視覚のヒントを使ってスピーチの質を向上させるんだ。

コアセット選択は、さまざまなデータに焦点を当てることで、テキスト読み上げモデルを改善するよ。

新しい方法で声の変換における感情のトーンが守られて、より良い人間とコンピュータのインタラクションが実現するよ。

研究によると、感情のある話し方がスピーチ分離タスクのモデルパフォーマンスに影響を与えるって。

研究は、自己教師あり学習と新しい測定技術を組み合わせて、音声反転を改善している。

研究者たちが電気喉頭ユーザーのためにスピーチの明瞭さを高める新しいフレームワークを開発した。

新しい方法が合成データを使って、知らない分野でのASRシステムを強化してるよ。