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

Pesquisas revelam novos modelos para melhorar a clareza da voz em fones de ouvido inteligentes.

Usar informações extras melhora nossa capacidade de identificar os cantos dos pássaros.

Uma nova abordagem melhora a geração de áudio ao alinhar o áudio com as descrições em texto.

Pesquisadores trabalham pra melhorar o reconhecimento de fala online usando modelos de espaço de estado estruturados.

Um novo sistema melhora as experiências de reunião identificando os falantes em tempo real.

Novos métodos estão melhorando nossa habilidade de detectar discursos falsos de forma eficaz.

Um método de conversão de voz que melhora a privacidade e a qualidade da fala.

Novos métodos melhoram a capacidade de distinguir áudio falso do verdadeiro.

Um método melhora a detecção de vozes sintéticas e identifica seus criadores.

Novos métodos melhoram modelos pequenos pra uma melhor melhoria de voz usando menos recursos.

Um novo método melhora os modelos de ASR para usuários individuais usando quantização e adaptação.

Novos métodos melhoram o desempenho de vocoder com dados de áudio limitados.

Um olhar sobre a disartria, como detectá-la e o papel da tecnologia.

Promptes suaves melhoram a tecnologia de reconhecimento de fala para um desempenho melhor em ambientes barulhentos.

A pesquisa combina aprendizado auto-supervisionado e novas técnicas de medição pra melhorar a inversão de fala.

Pesquisadores desenvolvem uma nova estrutura pra melhorar a clareza da fala pra usuários de eletrolaringe.

Este estudo explora estratégias de treinamento pra melhorar a detecção de áudio falso.

Novos modelos se adaptam pra melhorar a eficiência e a rapidez do reconhecimento de fala.

O RECAP usa técnicas avançadas pra gerar legendas de áudio precisas sem precisar de re-treinamento.

Um guia prático pra entender teoria musical através de harmonia e escalas.

Um novo método usa dados sintéticos pra melhorar sistemas de ASR em áreas desconhecidas.

Um novo método baseado em áudio estima tamanhos de multidões sem invadir a privacidade pessoal.

Uma nova abordagem para reconhecimento de fala melhora a interação do usuário com instruções flexíveis.

Uma maneira firme de identificar anomalias de áudio e combater a falsificação de voz.

Um novo modelo melhora a compreensão das emoções durante as conversas.

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

Apresentando um método mais rápido para síntese de fala de alta qualidade usando modelos de difusão.

HiFTNet oferece uma síntese de fala mais rápida e de alta qualidade usando técnicas inovadoras e eficientes.

Novo método transforma vozes usando características faciais para várias aplicações.

AV-SUPERB avalia modelos de áudio e vídeo em várias tarefas pra melhorar o desempenho.

Uma nova abordagem melhora a diarização de falantes ao integrar dados semânticos no processo.

Nova metodologia melhora a velocidade e eficiência na geração de Texto para Áudio.

Pesquisas mostram que a precisão em reconhecer emoções na fala melhorou entre os idiomas.

Explore como o TTT melhora o reconhecimento de fala se adaptando a mudanças na distribuição.

Melhorando a forma como identificamos fontes de som usando dados áudio-visuais.

Um método pra visualizar e prever sons em vários ambientes usando tecnologia avançada.

Novos métodos combinam áudio e metadados pra melhorar o reconhecimento de idiomas.

Um sistema criado pra detectar ataques de apresentação de voz aumenta a segurança no reconhecimento vocal.

Melhorando o reconhecimento de fala do Whisper para o vietnamita e outras línguas com poucos recursos.

O FluentEditor melhora a edição de áudio focando no fluxo natural e na consistência.