SSNAPS: Separación audiovisual de voz y ruido de fondo con difusión inversa
SSNAPS: método no supervisado basado en difusión inversa que separa voz y ruido de fondo en escenas audiovisuales, superando a modelos supervisados en WER.
#mejora de voz
BASENet: Red de mejora de voz adaptada por bandas con atención entre bandas
Descubre BASENet, una red de mejora de voz que alcanza 3.55 PESQ con solo 0.83M parámetros, ideal para streaming en dispositivos limitados.
Adición de observaciones guiada por inteligibilidad sin entrenamiento para ASR ruidoso
Mejora el reconocimiento de voz en entornos ruidosos con un nuevo método sin entrenamiento que fusiona señales de forma inteligente. Aumenta la precisión y robustez.
DBHN-Net: Red Híbrida de Doble Rama para Mejora de Voz de Baja Complejidad
¡Descubre DBHN-Net! La red híbrida que reduce 7.5x la complejidad computacional en mejora de voz sin perder rendimiento.