Informática - Som

Cleancoder melhora os sistemas de ASR reduzindo o barulho de fundo pra entender a fala melhor.

RADIO cria rostos falantes realistas usando só uma imagem de referência.

RoDia oferece amostras de áudio essenciais pra identificar dialetos romenos.

Explorando como gestos e expressões melhoram nossa compreensão da linguagem falada.

Explorando novos métodos de detecção e localização de som usando dados sintéticos.

Um novo sistema ajuda músicos a vivenciar o som em um palco virtual.

Novo método melhora a detecção de trechos de áudio falsos em gravações.

Os computadores estão aprendendo a separar ritmo e harmonia na música para aplicações criativas.

O MuLanTTS da Microsoft oferece capacidades de texto-para-fala em francês de forma natural e expressiva.

Novos conjuntos de dados e métodos melhoram a classificação de veículos para uma gestão de trânsito melhor.

Novos métodos melhoram a precisão e a velocidade na tecnologia de reconhecimento de fala.

Um novo sintetizador melhora a geração de efeitos sonoros realistas para a mídia.

Uma nova abordagem melhora a estimativa de confiança em sistemas de ASR para uma precisão melhor.

Apresentando uma estrutura para uma síntese de fala mais natural e expressiva.

Aprenda como a tecnologia ajuda a categorizar gêneros musicais de forma eficiente.

Uma abordagem unificada pra avaliar a alimentação dos peixes usando dados de áudio e vídeo.

Um novo método melhora a criação de vídeos de talking-head que expressam emoções.

Este estudo explora problemas com o uso de convnets para a criação de filtro de áudio.

O modelo CLAP conecta o processamento de áudio e texto pra várias aplicações.

Um projeto tem como objetivo melhorar o processamento de fala em francês usando aprendizado auto-supervisionado.

Novos métodos melhoram como as máquinas reconhecem o ritmo da fala e a emoção.

Uma nova abordagem melhora a estimativa de som em espaços com objetos que refletem.

Analisa como a indecidibilidade influencia a composição musical e a produção hoje em dia.

Esse artigo explora avanços na diarização de falantes usando modelos de linguagem pra ter mais precisão.

Esse estudo melhora a capacidade dos sistemas de ASR em reconhecer a fala das crianças.

Pesquisadores estão explorando a tecnologia de detecção de áudio para melhorar a identificação de pedestres em áreas urbanas.

Novo método melhora a localização de fonte sonora e separação de campo.

Um novo método melhora a síntese do som de bateria focando em elementos transientes agudos.

Pesquisadores estão criando dados de voz sintética pra proteger a privacidade no reconhecimento de voz.

VoxtLM combina reconhecimento de fala, síntese, geração de texto e continuação em um só modelo.

Novo sistema melhora o reconhecimento de fala usando prompts que levam em conta o contexto.

EnCodecMAE combina aprendizado auto-supervisionado e codecs de áudio pra melhorar o desempenho em tarefas de áudio.

Um estudo sobre como usar aprendizado de máquina pra identificar os sons das crianças na avaliação do TEA.

Apresentando um método flexível para reconhecer palavras-chave na fala em diferentes idiomas.

Um olhar sobre como a qualidade da fala é testada usando crowdsourcing.

Técnicas avançadas pra garantir a autenticidade do áudio na era da clonagem de voz.

Um novo método treina sistemas de legendagem de áudio usando só descrições em texto.

Um guia pra fazer trabalhos acadêmicos claros e eficazes.

A Erie facilita transformar dados em som pra ter uma acessibilidade melhor.

Examinando os riscos de ataques via backdoor em sistemas de verificação de voz.