Soham Deshmukh

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.

Neue Methoden verbessern das maschinelle Verständnis menschlicher Emotionen in der Sprache.

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

MACE verbessert Audio-Beschreibungen, indem es Geräusche mit genauen Textbeschreibungen verknüpft.