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

Aprenda a treinar modelos de fala de forma eficaz com menos recursos rotulados.

Uma análise da terminologia de gênero na tecnologia de fala e suas implicações sociais.

Uma nova estrutura melhora a detecção de eventos sonoros sobrepostos em ambientes de áudio complexos.

Pesquisas sobre como melhorar a identificação de sons de pássaros usando técnicas de aprendizado de máquina.

Um novo método melhora a criação automática de capas de piano usando a tecnologia de transcrição musical existente.

Um olhar sobre os resultados do desafio Codec-SUPERB e as métricas de desempenho do codec.

O projeto MultiMed melhora o reconhecimento de fala automático para uma comunicação na saúde mais eficiente.

Uma nova abordagem para avaliar a qualidade do áudio sem precisar de referências limpas.

O framework ECHO melhora a precisão da classificação de sons usando rótulos estruturados e um processo de aprendizado em duas etapas.

Novo método melhora a clareza da fala integrando informações visuais.

Uma nova abordagem melhora a estimativa de direção do som para falantes em movimento em ambientes desafiadores.

A Recuperação de Momentos de Áudio permite localizar momentos específicos em gravações longas.

O Safe Guard detecta discurso de ódio em tempo real durante interações de voz na VR social.

A IA tá evoluindo pra ter conversas mais naturais.

Uma nova abordagem usa ressonância magnética em tempo real pra visualizar os movimentos da produção da fala.

Um novo método pra detectar reflexões de som no ambiente melhora a experiência auditiva.

Um projeto que tá desenvolvendo conjuntos de dados de fala e texto pra línguas com poucos recursos.

Um novo modelo melhora o reconhecimento de voz e se adapta a várias tarefas de fala.

Novos métodos são necessários pra detectar tecnologias avançadas de fala deepfake.

Novos métodos aumentam a precisão na identificação de sons de animais com dados limitados.

Novo método melhora a integração do som virtual em ambientes de AR.

Um novo método pretende preservar a privacidade da voz enquanto permite uma comunicação eficaz.

Novos métodos melhoram o reconhecimento de fala para línguas de baixo recurso sem texto.

Novos métodos melhoram a precisão em sistemas de reconhecimento de fala usando entendimento fonético.

Esse framework melhora as animações em tempo real ao sincronizar fala e gestos de forma suave.

Novas características acústicas melhoram o desempenho dos sistemas de ASR em ambientes barulhentos.

Uma nova função de perda melhora a qualidade do áudio ao alinhar fase e magnitude.

Um novo modelo de TTS adiciona profundidade emocional à fala gerada por computador.

Avaliando modelos de reconhecimento de fala para sessões de diagnóstico de autismo.

Métodos recentes melhoram a clareza e qualidade do áudio usando modelos avançados.

Uma nova abordagem melhora a detecção de gravações de áudio falsas.

O ESPnet-Codec melhora o treinamento e a avaliação de codecs neurais para áudio e fala.

Explorando métodos pra adaptar RNNs a diferentes taxas de amostragem de áudio.

Novo modelo consegue transcrever fala mais rápido sem perder precisão.

Descubra como as embeddings Matryoshka melhoram a eficiência e flexibilidade do reconhecimento de falantes.

Apresentando o NanoVoice, um modelo de texto para fala rápido e eficiente para áudio personalizado.

Novo modelo VoiceGuider melhora TTS para diferentes falantes.

Um novo método pra converter vozes entre idiomas, mantendo as características únicas.

Novas técnicas melhoram a qualidade da fala expressiva entre diferentes falantes.

Esse artigo explora o papel das métricas perceptuais na classificação de gêneros musicais.