O ESPnet-Codec melhora o treinamento e a avaliação de codecs neurais para áudio e fala.
― 8 min ler
Engenharia Eletrotécnica e Ciência dos Sistemas - Processamento de Áudio e Fala
RSSExplorando métodos pra adaptar RNNs a diferentes taxas de amostragem de áudio.
― 6 min ler
Novo modelo consegue transcrever fala mais rápido sem perder precisão.
― 5 min ler
Descubra como as embeddings Matryoshka melhoram a eficiência e flexibilidade do reconhecimento de falantes.
― 6 min ler
Apresentando o NanoVoice, um modelo de texto para fala rápido e eficiente para áudio personalizado.
― 6 min ler
Novo modelo VoiceGuider melhora TTS para diferentes falantes.
― 7 min ler
Um novo método pra converter vozes entre idiomas, mantendo as características únicas.
― 6 min ler
Novas técnicas melhoram a qualidade da fala expressiva entre diferentes falantes.
― 6 min ler
Esse artigo explora o papel das métricas perceptuais na classificação de gêneros musicais.
― 5 min ler
Um novo método melhora o processamento de fala e áudio em várias tarefas.
― 6 min ler
Um novo sistema melhora a identificação dos falantes durante discussões com vários participantes.
― 6 min ler
Um novo framework melhora a expressão emocional em sistemas TTS.
― 6 min ler
Descobertas recentes mostram que sensores de pressão podem ser usados para espionagem.
― 5 min ler
Um novo algoritmo melhora a detecção de eventos sonoros usando aprendizado auto-supervisionado.
― 6 min ler
A pesquisa foca em melhorar os métodos pra detectar fala falsa realista.
― 5 min ler
Um novo método simplifica a criação de áudio e vídeo pra melhorar a sincronização.
― 6 min ler
Controle os efeitos de áudio usando descrições simples pra facilitar os ajustes de som.
― 6 min ler
Apresentando um novo modelo e referência para avaliar tarefas de áudio múltiplo.
― 7 min ler
Um novo sistema modela a intensidade emocional em personagens animados pra deixar tudo mais realista.
― 7 min ler
OpenSep automatiza a separação de áudio para experiências sonoras mais claras sem precisar de intervenção manual.
― 7 min ler
O PALM melhora o reconhecimento de áudio otimizando a representação dos prompts e a eficiência.
― 5 min ler
Descubra como as voltas e a espessura do fio afetam o som dos captadores de guitarra.
― 8 min ler
Um novo método melhora o reconhecimento de fala para gravações longas.
― 6 min ler
Esse estudo analisa como áudio, vídeo e texto trabalham juntos no reconhecimento de fala.
― 8 min ler
Um novo modelo melhora a naturalidade em sistemas de texto-para-fala analisando padrões de entonação.
― 5 min ler
Um novo modelo melhora a representação da fala para línguas africanas, aumentando a inclusão na tecnologia.
― 5 min ler
Um novo modelo melhora a criação de música usando melodias e descrições de texto.
― 5 min ler
Novo método para modelos de linguagem falada reduz a necessidade de dados extensivos.
― 7 min ler
Aprenda como funciona a conversão de voz e suas aplicações incríveis.
― 5 min ler
Descubra como o CCI melhora as avaliações de qualidade em multimídia.
― 7 min ler
Pesquisadores juntam sinais de áudio e visuais pra detectar mentiras com mais precisão.
― 7 min ler
Uma nova rede baseada em voz preenche lacunas linguísticas em emergências.
― 6 min ler
Saiba como assistentes virtuais entendem melhor os comandos dos usuários.
― 7 min ler
MACE melhora a legendagem de áudio conectando sons a descrições textuais precisas.
― 5 min ler
Usando aprendizado de máquina pra prever a reação da galera a covers de músicas.
― 7 min ler
Uma nova abordagem para melhorar a classificação através da Perda de Distribuição de Distância Angular.
― 7 min ler
Novos métodos melhoram ferramentas de comunicação para pessoas com dificuldades de fala.
― 7 min ler
Novos métodos usando modelos de linguagem melhoram a detecção de som em meio ao barulho de fundo.
― 7 min ler
O Fish-Speech melhora a tecnologia de voz pra ter uma experiência de comunicação mais natural.
― 6 min ler
EmoSphere++ permite que as máquinas expressem emoções como os humanos, melhorando as interações.
― 7 min ler