Xuankai Chang

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

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

Ein neues Framework zur Bewertung von Grundmodellen bei Sprachaufgaben.

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

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