Engenharia Eletrotécnica e Ciência dos Sistemas - Processamento de Áudio e Fala

Novos métodos melhoram a qualidade da fala sintetizada usando aprendizado auto-supervisionado.

Um novo método melhora a transcrição de palavras-chave raras em conversas de negócios.

Aprendizado Federado melhora o reconhecimento de fala enquanto mantém os dados dos usuários privados.

MusicLDM transforma texto em música original, oferecendo novas maneiras de ser criativo.

Novos métodos melhoram a precisão de extrair melodias cantadas de áudios mistos.

Novo modelo melhora a clareza da fala em ambientes barulhentos usando métodos inovadores.

Um estudo sobre músicas folclóricas coreanas usando métodos analíticos modernos.

DiffDance cria sequências de dança detalhadas que combinam bem com a música.

Analisando a justiça na tecnologia de transcrição de voz cantada entre os gêneros.

SeACo-Paraformer traz flexibilidade e precisão pra tecnologia de reconhecimento de fala.

Este estudo explora métodos de classificação de qualidade de voz e sua importância na comunicação.

Aprenda como novos algoritmos melhoram as técnicas de cancelamento de ruído para várias aplicações.

AudioVMAF combina métricas de vídeo pra melhorar a avaliação da qualidade do áudio.

Um novo método melhora a detecção de áudio falso usando modificação de peso adaptativa.

A esteganálise ajuda a detectar mensagens escondidas em multimídia, garantindo uma comunicação segura.

Um estudo sobre como separar a identidade do falante dos sinais de fala pra melhorar o processamento.

Transformando gestos para agentes virtuais sem perder o significado.

Explorando como redes neurais melhoram a precisão da localização de fontes sonoras.

Pesquisadores melhoram o reconhecimento automático de fala para Punjabi usando técnicas inovadoras de auto-treinamento.

Novo modelo melhora o reconhecimento de fala em ambientes barulhentos ao focar em um único falante.

Novos métodos buscam proteger a privacidade da fala em sistemas de monitoramento de áudio.

Um novo conjunto de dados melhora a síntese de fala ao capturar a expressão emocional sem depender de texto.

Novas estratégias para melhorar a estabilidade do treinamento na classificação de pitch musical.

O Phoneme Hallucinator transforma a conversão de voz com dados limitados pra saídas mais claras.

Um novo método cria gestos realistas a partir de áudio de fala bruto.

Pesquisadores desenvolvem Alinhador Neural Latente pra entender melhor os sinais do cérebro durante tarefas de fala.

Aprimorando sistemas ASR híbridos para fala bilíngue usando unidades de grafema.

Um novo modelo melhora o alinhamento de fala e texto para um reconhecimento automático melhor.

O Lip2Vec melhora o reconhecimento visual da fala usando menos dados rotulados.

Novos métodos melhoram a precisão e a velocidade nos sistemas de reconhecimento de fala.

O-1 melhora o reconhecimento de fala otimizando métodos de auto-treinamento.

Um novo método melhora o desempenho da ASR através da integração de dados textuais.

A injeção de texto ajuda a reconhecer informações pessoais enquanto mantém a privacidade.

Descubra como novas técnicas estão transformando a detecção de eventos sonoros para várias aplicações.

Explorando métodos não lineares em áudio para produção musical e análise de fala.

Um novo método para detecção precisa de pitch em música e som.

Radio2Text usa sinais de mmWave pra reconhecimento de fala em tempo real em ambientes barulhentos.

Um estudo analisa a eficácia de mascaradores de som automáticos em espaços públicos.

Redes neurais gráficas melhoram a precisão do reconhecimento de voz analisando as relações entre amostras de voz.

Um estudo avaliando o reconhecimento de emoções em modelos de fala em seis idiomas.