Finde Modelle, Firmen und Themen

In der Welt der generativen KI ist die Latenz der entscheidende Faktor, der die Immersion in Sprach‑Interaktionen bestimmt. Jede Verzögerun…

Ein neues Modell namens S‑PRESSO ermöglicht die Kompression von Soundeffekten in 48 kHz bei extrem niedrigen Bitraten – sogar bis zu 0,096…

Forscher haben ein neues Verfahren namens UltraLIF vorgestellt, das Spiking Neural Networks (SNNs) vollständig differenzierbar macht, ohne…

Ein internationales Forschungsteam hat den bislang größten Katalog akustischer Aufnahmen der südlichen Resident Killer Whale (SRKW) erstell…

In der Welt der Sprachdialoge ist Empathie weit mehr als nur das Verstehen von Wörtern. Sie erfordert auch die Wahrnehmung von Prosodie, To…

Forscher haben mit WhAM, einem Transformer-basierten Modell, einen Meilenstein in der Akustikforschung von Spermwalen gesetzt. Das System k…

Aktuelle Audio‑KI‑Modelle zeigen häufig schlechtere Ergebnisse, wenn sie längere Gedankengänge generieren, anstatt ihre Entscheidungen dire…

In einer aktuellen Studie wurde gezeigt, dass die Leistungssteigerung von künstlichen neuronalen Netzwerken (ANNs) im Audiobereich gleichze…

Das Whisper‑Modell, ein Open‑Source-System für automatische Spracherkennung, ist wegen seiner starken Leistung in multilingualen und Zero‑S…

In diesem Beitrag wird gezeigt, wie NVIDIA’s Parakeet ASR auf Amazon SageMaker AI eingesetzt wird, um große Mengen an Audiodaten effizient…

Für die Ausbildung von Text‑zu‑Speech‑Modellen ist ein umfangreiches und vielfältiges Datenset unerlässlich. Traditionelle Quellen stoßen j…

Eine aktuelle Studie zeigt, dass Sprach‑Foundation‑Modelle wie HuBERT und wav2vec 2.0 nicht nur für Audiodaten, sondern auch für Wearable‑S…

Ein neues Forschungsprojekt präsentiert ein innovatives multimodales Framework, das Text‑Sentiment‑Analysen mit paralinguistischen Signalen…