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

Este estudo avalia performances solo de piano usando métodos de análise de áudio.

O modelo XLSR-Transducer manda bem na transcrição em tempo real com pouquíssimos dados.

Esse artigo fala sobre como melhorar o MUSIC com computação aproximada pra ter um desempenho melhor.

Um novo sistema melhora a precisão e eficiência da transcrição musical com múltiplos instrumentos.

Um novo modelo melhora a precisão nas capacidades de fala para texto em várias línguas.

Avanços em prever a qualidade da fala usando métodos eficientes para dispositivos móveis.

Um jeito de melhorar o timbre na produção musical usando sintetizadores.

Esse estudo avalia a tecnologia de fala em línguas com poucos recursos, tipo o árabe tunisiano.

Pesquisas mostram riscos em modelos de fala multitarefa como o Whisper.

TokenVerse simplifica a análise de conversas faladas ao integrar várias tarefas em um único modelo.

Novo conjunto de dados melhora a geração de áudio a partir de descrições textuais detalhadas.

Uma nova forma de os artistas ligarem a criatividade com a geração de áudio AI.

Explorando o impacto dos modelos TTM na criação musical e nas experiências dos usuários.

Esse artigo analisa a latência de vários sistemas de diarização de falantes no processamento de áudio.

Melhorando a síntese de fala pra gerar vozes mais naturais e expressivas.

Novo conjunto de dados visa melhorar o reconhecimento de voz para falantes não nativos de inglês.

Um novo framework, o BiosERC, melhora o reconhecimento de emoções ao considerar as características do falante.

Esse estudo analisa como as preferências de voz variam entre diferentes ouvintes.

Um novo modelo enfrenta preconceitos e melhora as previsões de preço das ações usando dados diversos.

Este artigo apresenta um método para gerar som preciso a partir de vídeos e texto.

Um modelo novo melhora a simulação de instrumentos de corda pra um som mais realista.

Apresentando um método pra ter mais controle na edição de fala.

Um estudo sobre como classificar músicas pela sua época usando características sonoras e opiniões de artistas.

Um novo modelo melhora o estudo da comunicação animal usando dados de áudio brutos.

A Emilia oferece um conjunto de dados bem variado pra melhorar os modelos de geração de fala.

Um novo sistema melhora a eficiência do processamento de sinal por meio de métodos de codificação inovadores.

Uma equipe enfrenta desafios de identificação de cantos de pássaros na competição BirdCLEF 2024.

Apresentando os conjuntos de dados MERGE pra melhorar a classificação de emoções na música.

Um novo método ajuda modelos menores a se saírem melhor usando dicas de modelos maiores.

Explore as novidades na versão 3 do dataset Divide and Remaster.

Um resumo completo dos conjuntos de dados usados em modelos de áudio-linguagem e a importância deles.

Um sistema confiável de fones de ouvido monitora as taxas de respiração durante várias atividades do dia a dia.

Melhorando sistemas de reconhecimento de fala para línguas com dados online limitados.

Este estudo analisa como redes neurais interpretam a fala usando espectrogramas.

Combinando som e imagens pra sistemas de reconhecimento mais inteligentes.

Um método pra melhorar a detecção de deepfake de áudio através de aumento de dados.

Beat-It gera movimentos de dança sincronizados pra deixar a coreografia top sem esforço.

Pesquisadores querem criar sons que combinem com vídeos silenciosos, melhorando a experiência dos espectadores.

Este estudo fala sobre os problemas dos sistemas de SLU e a capacidade deles de generalizar.

Uma ferramenta auto-supervisionada pra estimar assinaturas de chave musical, reduzindo anotações de especialistas.