Shinji Watanabe

VoxtLM kombiniert Spracherkennung, Synthese, Textgenerierung und Fortsetzung in einem Model.

AV-SUPERB bewertet Audio- und visuelle Modelle über verschiedene Aufgaben hinweg für eine bessere Leistung.

Echtzeitübersetzungen durch innovative Methoden und smarte Richtlinien verbessern.

Ein Blick auf Fortschritte in der Spracherkennung, um Geschwindigkeit und Genauigkeit zu steigern.

Neue Methoden verbessern die Sprachübersetzung, indem sie sich auf kontextuelle Informationen konzentrieren.

Eine neue Methode verbessert die Spracherkennung für Code-Switching-Nutzer.

Diese Forschung stellt ein Modell vor, um die Sprachverständlichkeit unter verschiedenen Bedingungen zu verbessern.

Die Fortschritte bei automatisierten Audio-Untertitelungen und deren Einfluss auf die Barrierefreiheit erkunden.

Eine neue Methode unterstützt die Erhaltung von bedrohten Sprachen durch detaillierte Dokumentation.

Ein neues Framework zur Bewertung von Grundmodellen bei Sprachaufgaben.

Erforschung von Igel- und Anti-Igel-Zuständen in einzigartigen magnetischen Materialien.

Ein neues System verbessert die Sprachklarheit in Umgebungen mit mehreren Sprechern.

Ein neues Modell verbessert die Spracherkennung mit mehreren Dekodierungs-Methoden.

Neue Methoden verbessern die Genauigkeit und Effizienz von Spracherkennungssystemen.

Ein neues Modell integriert Audio- und Visualdaten für Spracherkennung und Übersetzung.

Dieses System übersetzt englische Sprache sofort in deutschen Text für eine nahtlose Kommunikation.

Neue Varianten von COVID-19 stellen die aktuellen Impfstoffe auf die Probe und zeigen, wie wichtig fortlaufende Forschung ist.

Ein einfach zu bedienendes Tool, um Sprachmodelle ohne komplexen Code fein abzustimmen.

Die GenSEC-Herausforderung erkunden, um die Genauigkeit der Spracherkennung zu verbessern.

Neue Methoden verbessern die Übersetzungsgenauigkeit und Effizienz für mehrere Sprachen.

Entdecke, wie Präferenzanpassung Text-to-Speech-Systeme verbessert und die Nutzererfahrung verbessert.

Eine Studie zeigt, dass i-Vektoren mit komplexen Modellen in der Sprechererkennung konkurrieren können.

Eine Studie darüber, wie Designentscheidungen die Sprachmodelle beeinflussen.

EVA kombiniert Audio- und visuelle Signale für eine bessere Sprach­erkennungs­genauigkeit.

Ein Blick auf die Ergebnisse der Codec-SUPERB-Challenge und die Leistungskennzahlen der Codecs.

ESPnet-Codec verbessert das Training und die Bewertung von neuronalen Codecs für Audio und Sprache.

Neue Methoden verbessern, wie Maschinen gesprochene Sprache erkennen.

VERSA bewertet Sprache, Audio und Musikqualität effektiv.

Lern, wie AV-ASR Audio und Visuals kombiniert, um die Spracherkennung zu verbessern.