Artigos mais recentes para Tecnologia de Fala

Técnicas inovadoras para melhorar modelos de TTS e reduzir a perda de conhecimento.

Esse estudo revisa como o tamanho do lote influencia o desempenho e o treinamento do modelo de fala.

Um novo método melhora a performance e a eficiência do modelo de fala em ambientes barulhentos.

Um estudo sobre como melhorar sistemas de TTS com amostras de voz diversas.

A pesquisa identifica e classifica os dialetos curdos sorani usando gravações de áudio extensivas.

RALL-E melhora a síntese de texto para fala pra deixar a fala mais clara e natural.

Novos métodos melhoram a representação de áudio através de técnicas de aprendizado auto-supervisionado.

Novo modelo permite controle preciso das qualidades da voz enquanto mantém o conteúdo.

Um novo modelo pra avaliar modelos de fundação em tarefas de fala.

Estudo revela que usuários preferem agentes de fala estáticos em vez de adaptativos.

A FlashSpeech oferece soluções de síntese de fala rápidas e de alta qualidade.

O SEANet melhora a isolação do falante reduzindo o ruído no processamento de áudio.

Um método de aprendizado ativo em duas etapas melhora a precisão do reconhecimento de voz com menos dados.

Este estudo avalia o desempenho de sistemas de ASR com pessoas que gaguejam.

Esse artigo investiga vulnerabilidades em modelos de fala e maneiras de aumentar a segurança deles.

Novos métodos melhoram como as máquinas reconhecem emoções na fala.

Seed-TTS cria uma fala realista a partir de texto para várias aplicações.

Novo modelo ARDiT melhora a síntese de texto para fala e a edição de fala.

mHuBERT-147 processa fala em várias línguas de forma eficiente.

Novos métodos melhoram o reconhecimento de fala em ambientes barulhentos usando técnicas adaptativas.

Um método novo que otimiza a análise e a síntese de fala usando os movimentos do trato vocal.

Um estudo sobre como melhorar a segmentação de áudio integrando embeddings de falantes.

Novos esforços visam apoiar os dialetos iorubás na tecnologia de linguagem.

Este artigo fala sobre como o Wav2Vec2.0 processa os sons da fala usando fonologia.

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

Melhorando a síntese de fala pra gerar vozes mais naturais e expressivas.

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

A Emilia oferece um conjunto de dados bem variado pra melhorar os modelos de geração de fala.

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

Um novo método melhora a detecção de gagueira combinando dados de áudio, vídeo e texto.

A pesquisa apresenta novos métodos para avaliar sistemas de reconhecimento de fala em polonês.

Um novo conjunto de dados melhora a fala de máquina em mandarim, com o objetivo de uma expressão mais natural.

Explora a importância crescente da edição de áudio para criadores de conteúdo.

Novos métodos melhoram sistemas de fala para línguas sub-representadas.

A pesquisa combina aprimoramento de voz e aprendizado por transferência para melhorar os sistemas de anti-enganção.

Novos métodos melhoram a expressão emocional na síntese de fala de máquinas.

O Speech-MASSIVE quer melhorar a compreensão da linguagem falada em várias línguas.

Técnicas inovadoras protegem dados de fala sensíveis enquanto mantêm a precisão do processamento.

A OpenOmni cria ferramentas flexíveis pra fazer e testar agentes de conversa.

O SSL-TTS simplifica a síntese de voz usando poucos dados de treino pra resultados de alta qualidade.