Skip to content

Details

LatAm BISH Bash is a series of meetings and networking events that connect engineers, researchers, students, and companies working on speech, acoustics, and audio processing.

In this meeting we will give the floor to Zineb Lahrichi and Giovana Morais, two PhD students who will present their most recent works for us at Bish BASH.

Zineb Lahrichi is currently an industry PhD student at Télécom Paris and Sony AI, focusing her research on high-quality audio generation for video games, with an emphasis on controllability. In her talk she will explain her recent work on integrating diffusion autoencoders into an audio compression framework; her approach enables extreme compression ratios on studio-quality audio (48kHz) while preserving perceptual fidelity and producing realistic audio variations.

Giovana Morais is currently a Computer Science PhD student at New York University (NYU), focusing on explainability techniques in audio and multimodal systems. She previously worked on self-supervised tempo-estimation methods during her master's at the University of São Paulo (USP). In her talk, she will explain her recent work on investigating whether and how Audio LLMs use audio information when evaluated with multiple-choice questions.

The online event will happen on March 25th at

  • 10 AM EST (UTC-5)
  • 11 AM BRT (UTC-3)
  • 15 PM CET (UTC+1)

-----------------------------------

LatAm BISH Bash es una serie de reuniones y eventos de networking que conectan a ingenieros, investigadores, estudiantes y empresas que trabajan en procesamiento de voz, acústica y audio.

En esta sesión daremos la palabra a Zineb Lahrichi y Giovana Morais, dos estudiantes de doctorado que presentarán sus trabajos más recientes en BISH Bash.

Zineb Lahrichi hace actualmente un doctorado conjunto entre Télécom Paris y Sony AI, donde centra su investigación en la generación de audio de alta calidad para videojuegos, con énfasis en controlabilidad. En su presentación explicará su trabajo reciente sobre la integración de autoencoders de difusión dentro de un framework de compresión de audio. Su enfoque permite ratios de compresión extremos en audio con calidad de estudio (48 kHz), preservando la fidelidad perceptual y produciendo variaciones de audio realistas.

Giovana Morais es actualmente estudiante de doctorado en Ciencias de la Computación en New York University (NYU). Anteriormente trabajó en métodos autosupervisados de estimación de tempo musical durante su maestría en la Universidad de São Paulo (USP).

El evento online en línea lugar el 25 de marzo a las:
10:00 AM EST (UTC-5)
11:00 AM BRT (UTC-3)
15:00 CET (UTC+1)

-----------------------------------

O LatAm BISH Bash é uma série de encontros e eventos de networking que conectam engenheiros, pesquisadores, estudantes e empresas que trabalham com processamento de fala, acústica e áudio.

Nesta edição teremos apresentações de Zineb Lahrichi e Giovana Morais, duas estudantes de doutorado que mostrarão seus trabalhos recentes para nós no BISH Bash.

Zineb Lahrichi é atualmente doutoranda com supervisão conjunta da escola francesa Télécom Paris e da empresa Sony AI. O foco da sua pesquisa é a geração de áudio de alta qualidade para videogames, com ênfase em controlabilidade. Na sua apresentação, ela vai falar sobre a inclusão de autoencoders de difusão em um framework de compressão de áudio. A abordagem adotada em seu trabalho mais recente permite taxas de compressão elevadas para áudio amostrado à 48kHz, preservando ao mesmo tempo a fidelidade perceptiva do som.

Giovana Morais é atualmente doutoranda em Ciência da Computação na Universidade de Nova York (NYU). Ela trabalhou em seu mestrado com métodos autosupervisionados para a estimativa de andamento musical. Em sua apresentação, ela explicará seu trabalho mais recente sobre como Audio LLMs utilizam a informação de áudio quando são testados com perguntas de múltipla escolha.

O evento online acontecerá no dia 25 de março às:

  • 10 AM EST (UTC-5)
  • 11 AM BRT (UTC-3)
  • 15 PM CET (UTC+1)

Related topics

Artificial Intelligence
Deep Learning
Machine Learning
Audio Signal Processing
Music Technology

You may also like