Hiroshi Saruwatari

Uma nova abordagem melhora a estimativa de som em espaços com objetos que refletem.

A seleção de core-set melhora os modelos de texto-para-fala ao focar em dados diversos.

Este estudo investiga se os símbolos de fala aprendidos imitam os padrões de frequência das palavras.

A Coco-Nut oferece amostras de voz japonesa diversas pra aplicativos avançados de texto pra fala.

Um estudo sobre como melhorar sistemas de TTS com amostras de voz diversas.

RALL-E melhora a síntese de texto para fala pra deixar a fala mais clara e natural.

Apresentando a conversão de voz espacial para melhorar o realismo e a imersão do áudio.

O J-CHAT fornece um grande conjunto de dados de código aberto pra melhorar sistemas de diálogo falado.

Pesquisadores desenvolvem o SaSLaW pra melhorar a adaptação da fala das máquinas em diferentes ambientes.

BigCodec melhora a qualidade do som em transmissões de áudio com baixa taxa de bits.

Novo modelo melhora a geração de fala em diversos dialetos de línguas com acento tonal.

Um novo sistema prevê notas de naturalidade para a fala sintética usando métodos inovadores.

Um novo método melhora o canto em conjunto sintetizado ao modelar as interações entre os cantores.