14 noticias
NVIDIA ha publicado Nemotron-3-Diarización, un modelo de diarización de hablantes de código abierto diseñado para determinar quién habló y cuándo en audio real. Este modelo, basado en la arquitectura Sortformer, soporta la inferencia en tiempo real y en lote, gestionando hasta ocho hablantes simultá
Este artículo técnico detalla el proceso de creación de una aplicación web que reproduce fielmente la ambientación sonora de los cristales Aetheryte del videojuego Final Fantasy XIV (FFXIV). El autor, tras seis años utilizando grabaciones de YouTube con limitaciones como bucles no fluidos y alta exi
La calidad de los altavoces integrados en los portátiles suele ser mala: sonido metálico, áspero y vacío, incluso en modelos de gama alta. Aunque la física impone límites al tamaño de los altavoces, el software de audio de Linux permite compensar esas carencias con el procesado adecuado. La aplicaci
HERTZ es una estación de trabajo de audio digital basada en la web, pensada para limpiar y masterizar voces —especialmente de pódcast y palabra hablada— directamente en el navegador, sin enviar ningún archivo a un servidor. Toda la cadena de procesamiento se ejecuta en el equipo del usuario: la desc
Audio-Cassette-Simulation es un proyecto de código abierto publicado en GitHub por AARomanov1985 que reproduce digitalmente los perfiles de audio característicos de las cintas de casete. La herramienta, distribuida bajo licencia MIT, emplea scripts de bash junto con ffmpeg (compilado con libmp3lame)
AdBuster 2.0 PRO es una aplicación ligera para Windows que monitoriza en tiempo real el audio de la televisión y reduce el volumen de forma automática cuando detecta anuncios con un nivel sonoro elevado. Cuando la programación regresa a un volumen normal, la aplicación lo restablece de forma progres
TorchCodec, la biblioteca de PyTorch para decodificar audio y vídeo, ha lanzado su versión 0.14, compatible con torch 2.11 y superiores. La actualización incorpora dos novedades principales: un decodificador específico para archivos WAV y soporte para decodificación de vídeo HDR (alto rango dinámico
Erm es una herramienta de línea de comandos de código abierto diseñada para eliminar disfluencias como “um”, “uh” y “er” de archivos de audio de voz. Desarrollada por Doug Calobrisi y disponible en GitHub, se ejecuta completamente en local, lo que garantiza la privacidad de las grabaciones. La inter
Resonate es un algoritmo de análisis espectral diseñado para extraer información perceptible de señales de audio (y de otro tipo) con baja latencia, mínima huella de memoria y reducido coste computacional. A diferencia de los métodos basados en la transformada de Fourier, Resonate emplea un modelo d
Este artículo de Tom Schroeder explora diversas técnicas para aproximar la función tangente hiperbólica (tanh), una función crucial en áreas como redes neuronales y procesamiento de audio. La función tanh mapea cualquier número real a un rango entre -1 y 1, presentando una curva en forma de 'S' que
Este artículo de Scott Lawson narra la desafiante experiencia de crear un sistema de tiras LED reactivas al audio. Lo que parece un proyecto sencillo (controlar el brillo de las tiras LED según la música) resulta ser sorprendentemente complejo debido a las limitaciones inherentes a la cantidad de LE
Este artículo describe cómo el desarrollador Kent C. Dodds movió el procesamiento de audio con FFmpeg fuera de su servidor principal (Fly.io) a Cloudflare para evitar problemas de rendimiento. Inicialmente, Dodds ejecutaba FFmpeg directamente en su servidor para procesar grabaciones de su podcast 'C
El proyecto "Bubble Sorted Amen Break" de Vee 🥑, disponible en parametricavocado.itch.io, es una herramienta innovadora que manipula y organiza el icónico sample de batería conocido como "Amen Break". Para entender su importancia, primero debemos contextualizar el Amen Break. ¿Qué es el Amen Break?
Claude Code, la plataforma de desarrollo de OpenAI, ha integrado un conjunto de 25 herramientas de procesamiento de audio a través de una nueva integración con DeclarAgent. Esta integración, desarrollada por Shiehn y disponible en GitHub, permite a los usuarios realizar tareas como recortar, normali
