Benjamin Elizalde

Das CLAP-Modell verbindet Audio- und Textverarbeitung für verschiedene Anwendungen.

Eine neue Methode trainiert Audio-Untertitelungssysteme nur mit Textbeschreibungen.

PAM bietet eine neuartige Möglichkeit, die Audioqualität zu messen, ohne dass man Referenzaufnahmen braucht.

Diese Studie bewertet die Denkfähigkeiten von Audio-Sprachmodellen mit einer neuen Aufgabe.