Informática - Som

Um novo modelo aumenta as pontuações de confiança em sistemas de reconhecimento de fala.

Novas técnicas melhoram a compreensão da fala disártrica em sistemas de comunicação.

Uma nova abordagem não supervisionada melhora a isolação de voz em misturas de áudio.

Um novo padrão pra avaliar modelos de machine learning na compreensão da fala em diferentes idiomas.

Este artigo fala sobre métodos pra melhorar a classificação de telefones usando características de áudio.

Um novo modelo melhora a percepção auditiva e as habilidades de raciocínio na IA.

O NASS melhora a isolação de voz em ambientes barulhentos, superando métodos tradicionais.

Melhorando as métricas de qualidade de som usando novos métodos de cálculo de loudness.

O AlignAtt melhora a tradução de fala simultânea com mais rapidez e qualidade.

Um novo método garante privacidade na classificação de fala sem perder desempenho.

Esse estudo mostra como adaptar a tecnologia TTS a diferentes sotaques de forma eficiente.

O modelo AMII melhora a comunicação para agentes socialmente interativos através de um comportamento não verbal mais aprimorado.

Apresentando um modelo que integra vários tipos de dados para tarefas complexas.

Os pesquisadores estão melhorando a forma como detectamos sons de animais automaticamente.

Descubra como o Whisper se adapta a várias tarefas de fala usando engenharia de prompt.

O FastFit melhora a velocidade de geração de fala sem perder a qualidade do som.

Um novo método melhora a detecção de palavras-chave em gravações de áudio.

O sistema AED-EEND melhora a diarização de falantes ao integrar técnicas avançadas pra uma precisão maior.

O Pengi junta a compreensão de áudio e a geração de texto em um único modelo.

Um novo método melhora os sistemas de detecção de palavras-chave para ter um desempenho melhor em áudios que mudam.

Um novo sistema TTS melhora a geração de fala em várias línguas com dados limitados.

CoDi permite a geração simultânea de diferentes tipos de conteúdo a partir de várias entradas.

Novas técnicas melhoram a separação de som em mixes de Ambisonics pra uma experiência de áudio melhor.

Novos métodos usando fala mostram potencial pra identificar padrões de respiração e condições de saúde.

O MIDI-Draw permite que qualquer um faça música desenhando melodias de forma intuitiva.

Novas técnicas que pegam emprestado da processamento de imagem melhoram a avaliação da qualidade de áudio.

Novos métodos melhoram a compreensão da fala pelas máquinas usando pistas de áudio e visuais.

Novo modelo melhora o reconhecimento de palavras-chave em ambientes acústicos desafiadores.

Um novo método melhora os modelos de fala transferindo conhecimento de modelos de texto.

Uma coleção de sons respiratórios ajuda a identificar casos de COVID-19.

Um novo modelo melhora a verificação de fala com técnicas eficientes.

Uma olhada detalhada nas técnicas de reconhecimento de fala desenvolvidas para a competição de 2022.

Uma nova abordagem ensina a IA a reconhecer melhor a fala e as emoções em ambientes barulhentos.

Novos métodos buscam melhorar a compreensão das dinâmicas familiares e da saúde mental das crianças.

Novas técnicas de deep learning melhoram previsões dos movimentos do diafragma do falante.

Explorando como o ciwGAN pode aprender e representar características fonológicas como a nasalidade.

Um novo modelo melhora a eficiência e a precisão do reconhecimento de fala.

Um novo método melhora a precisão do reconhecimento de fala usando informações contextuais.

Pesquisadores usam GANs pra gerar fala com ruído a partir de áudio limpo, melhorando modelos de fala.

O corpus JNV captura sons emocionais diversos em japonês, enriquecendo as coleções existentes.