Informática - Som

Avanços em prever a qualidade da fala usando métodos eficientes para dispositivos móveis.

Um jeito de melhorar o timbre na produção musical usando sintetizadores.

Esse estudo avalia a tecnologia de fala em línguas com poucos recursos, tipo o árabe tunisiano.

Pesquisas mostram riscos em modelos de fala multitarefa como o Whisper.

TokenVerse simplifica a análise de conversas faladas ao integrar várias tarefas em um único modelo.

Novo conjunto de dados melhora a geração de áudio a partir de descrições textuais detalhadas.

Uma nova forma de os artistas ligarem a criatividade com a geração de áudio AI.

Explorando o impacto dos modelos TTM na criação musical e nas experiências dos usuários.

Esse artigo analisa a latência de vários sistemas de diarização de falantes no processamento de áudio.

Novo conjunto de dados visa melhorar o reconhecimento de voz para falantes não nativos de inglês.

Um novo framework, o BiosERC, melhora o reconhecimento de emoções ao considerar as características do falante.

Esse estudo analisa como as preferências de voz variam entre diferentes ouvintes.

Este artigo apresenta um método para gerar som preciso a partir de vídeos e texto.

Um modelo novo melhora a simulação de instrumentos de corda pra um som mais realista.

Apresentando um método pra ter mais controle na edição de fala.

Um estudo sobre como classificar músicas pela sua época usando características sonoras e opiniões de artistas.

Um novo modelo melhora o estudo da comunicação animal usando dados de áudio brutos.

Um novo sistema melhora a eficiência do processamento de sinal por meio de métodos de codificação inovadores.

Uma equipe enfrenta desafios de identificação de cantos de pássaros na competição BirdCLEF 2024.

Apresentando os conjuntos de dados MERGE pra melhorar a classificação de emoções na música.

Este estudo analisa o Mix-Training para reconhecimento de palavras-chave em condições de fala barulhenta.

Um novo método ajuda modelos menores a se saírem melhor usando dicas de modelos maiores.

Explore as novidades na versão 3 do dataset Divide and Remaster.

Um resumo completo dos conjuntos de dados usados em modelos de áudio-linguagem e a importância deles.

Um sistema confiável de fones de ouvido monitora as taxas de respiração durante várias atividades do dia a dia.

Melhorando sistemas de reconhecimento de fala para línguas com dados online limitados.

Combinando som e imagens pra sistemas de reconhecimento mais inteligentes.

Um método pra melhorar a detecção de deepfake de áudio através de aumento de dados.

Beat-It gera movimentos de dança sincronizados pra deixar a coreografia top sem esforço.

Pesquisadores querem criar sons que combinem com vídeos silenciosos, melhorando a experiência dos espectadores.

Este estudo fala sobre os problemas dos sistemas de SLU e a capacidade deles de generalizar.

Uma ferramenta auto-supervisionada pra estimar assinaturas de chave musical, reduzindo anotações de especialistas.

O Diff-MST melhora a mixagem de músicas aplicando transferência de estilo de faixas de referência.

Um novo modelo melhora a comunicação para pessoas com deficiência usando reconhecimento de voz e código Morse.

ElasticAST permite processar áudio de comprimento variável de forma eficiente sem perder detalhes importantes.

Analisando métodos de identificação de cantores em meio a preocupações crescentes com a clonagem de voz.

Uma nova abordagem melhora a detecção de clipes de áudio mistos, reais e falsos.

Mamba mostra potencial contra transformers em tarefas de fala, especialmente para entradas longas.

A SingFlex oferece soluções inovadoras para criar vozes de canto diferentes de forma eficiente.

Um estudo sobre a complexidade das músicas tradicionais de dança irlandesa usando métodos de compressão.