Ambisonics Super-Resolution Using A Waveform-Domain Neural Network
Ambisonics是描述声场的空间音频格式。一阶Ambisonics（FOA）是一种流行的格式，仅包括四个通道。这种有限的频道计数是以空间精度为代价的。理想情况下，人们将能够在没有限制的情况下采用FOA格式的效率。我们设计了一个由数据驱动的空间音频解决方案，该解决方案保留了FOA格式的效率，但可实现超过常规渲染器的质量。利用完全卷积的时间域音频神经网络（Conv-Tasnet），我们创建了一个解决方案，该解决方案采用FOA输入并提供…
ImmerseDiffusion: A Generative Spatial Audio Latent Diffusion Model
我们引入了 ImmerseDiffusion，这是一种端到端生成音频模型，可根据声音对象的空间、时间和环境条件产生 3D 沉浸式音景。ImmerseDiffusion 经过训练可生成一阶环绕声 (FOA) 音频，这是一种包含四个通道的传统空间音频格式，可以渲染为多通道空间输出。所提出的生成系统由将 FOA 音频映射到潜在成分的空间音频编解码器、基于各种用户输入类型训练的潜在扩散模型（即文本提示、空间……
Etymology and the Evolution of Written and Spoken English with Ray Belli
Ray Belli 与 Mike 一起参加今天的节目，探讨语言和音频在文化和人类理解发展中的力量。Ray 主持一档名为 Words for Granted 的语言和词源播客，他也是 Lyceum 团队的创始成员。我们使用《钦定版圣经》中的几个例子来探索词义的动态性质。从那里，我们快速谈到了莎士比亚和诗歌许可的概念，最后总结了一些思考，即播客等新音频格式和语音转文本等技术如何为口头传统注入新的活力，对世界各地的语言学家和语言爱好者具有重要意义。
