163 artigos
O artigo propõe o ZeSTA, um framework de treinamento condicionado a domínios que utiliza embeddings leves e superamostragem de dados reais para melhorar a similaridade do locutor na síntese de voz personalizada com poucos recursos, mitigando a degradação causada pela mistura ingênua de dados sintéticos e reais.
Este artigo apresenta o LabelBuddy, uma ferramenta de código aberto para anotação colaborativa de áudio que utiliza assistência de IA e modelos containerizados para superar a escassez de infraestrutura capaz de capturar nuances subjetivas na recuperação de informações musicais.
Este artigo apresenta uma abordagem de baixa complexidade computacional para o controle de modelos de difusão de áudio latente, utilizando cabeças de controle latente (LatCHs) e TFG seletivo para permitir a geração controlada de parâmetros como intensidade, tom e batidas com recursos de treinamento mínimos, sem comprometer a qualidade do áudio.