Informática - Som

O ReCLAP melhora a classificação de áudio com prompts detalhados pra uma precisão melhor.

Um projeto tem como objetivo melhorar a tecnologia de fala para quem tem dificuldades de comunicação.

MambaFoley revoluciona a síntese de som Foley com um tempo e realismo melhorados.

Um novo sistema melhora a precisão do sotaque em TTS pra uma comunicação melhor.

Usar embeddings CLAP melhora muito os sistemas de recomendação de música.

Estudo explora o desenvolvimento de ASR para Amis e Seediq, focando no uso de dados.

Pesquisadores desenvolvem novas estratégias pra distinguir animais individuais usando os sons únicos deles.

Um novo método simplifica a detecção de sirenes pra aumentar a segurança dos veículos.

Uma nova abordagem combina a detecção de eventos sonoros e a diarização de fala pra uma melhor compreensão do áudio.

Uma nova abordagem melhora a ASR ao focar em detalhes específicos do falante.

Um estudo mostrando como modelos de deep learning reconhecem emoções na fala.

Uma ferramenta fácil de usar pra ajustar modelos de fala sem precisar de código complicado.

Novos métodos melhoram o isolamento acústico de ambientes barulhentos sem precisar de dados rotulados.

Uma nova abordagem enfrenta a variação de canal em sistemas de reconhecimento de voz.

Um novo método melhora o reconhecimento de voz de máquinas para verificação de falantes.

Um novo modelo melhora a geração de áudio usando textos e sons detalhados.

A inteligência artificial tá mudando a música com novas ferramentas e jeitos de fazer.

MaskSR2 melhora a clareza e a qualidade do áudio usando técnicas inovadoras.

Um novo método para gerar fala com acento usando transliteração de texto.

E1 TTS transforma texto em fala natural de forma mais rápida e eficiente.

Wave-U-Mamba melhora gravações de fala de baixa qualidade pra uma comunicação mais clara.

Um novo sistema prevê notas de naturalidade para a fala sintética usando métodos inovadores.

Um novo método usa áudio pra melhorar a precisão na pronúncia das máquinas.

Novos métodos melhoram a sincronização de áudio com cenas de vídeo que mudam.

Explorando o desafio GenSEC pra melhorar a precisão da transcrição de voz.

Um novo método de avaliação para esquizofrenia usando dados multimodais.

Novos métodos estão ajudando as máquinas a interpretar melhor sons individuais.

Uma visão geral das tecnologias de reconhecimento de palavras-chave e seus desafios com a língua urdu.

Pesquisas mostram as dificuldades no reconhecimento de fala das transmissões de rádio da polícia.

A PDMX oferece uma coleção enorme de músicas simbólicas de domínio público pra desenvolvimento de IA.

Um estudo mostra que i-vectors podem competir com modelos complexos em reconhecimento de fala.

Um estudo sobre como as escolhas de design afetam os modelos de fala.

Um novo método avalia modelos de fala auto-supervisionados usando medida de ranking.

Estudo destaca avanços no reconhecimento de emoções por robôs usando Transformadores de Visão.

Pesquisas mostram como é importante ter um diagnóstico justo em doenças respiratórias.

O MusicLIME ajuda a explicar como a IA analisa música através do áudio e das letras.

Descubra como a Computação Quântica tá mudando a criatividade musical com o Harmonizador Quântico Variacional.

O modelo MCMamba melhora a qualidade do som em ambientes barulhentos usando informações espaciais e espectrais.

Este estudo avalia métodos de baixa latência para melhorar a qualidade do áudio em condições barulhentas.

Analisando como gestos 2D e 3D afetam a comunicação de personagens virtuais.