Ein System kombiniert Audio und Video, um die Erkennungsgenauigkeit von Sprechern zu verbessern.
― 5 min Lesedauer
Hochmoderne Wissenschaft einfach erklärt
Ein System kombiniert Audio und Video, um die Erkennungsgenauigkeit von Sprechern zu verbessern.
― 5 min Lesedauer
Eine neue Methode verbessert den Maschinendialog durch Pseudo-Stereo-Daten.
― 6 min Lesedauer
Diese Studie präsentiert einen Datensatz und eine Methode, um die Genauigkeit der chinesischen ASR mithilfe von Pinyin zu verbessern.
― 7 min Lesedauer
Diese Studie konzentriert sich darauf, die Erkennung von Deepfake-Audio mit fortschrittlichen Methoden zu verbessern.
― 5 min Lesedauer
Das Verstehen von Unsicherheit verbessert die Genauigkeit der Emotionserkennung in realen Szenarien.
― 6 min Lesedauer
Ein System zur Sprechererkennung in mehrsprachigen Audios ohne umfangreiche Daten.
― 5 min Lesedauer
Die Verbesserung der Technologie zur Anonymisierung von Sprechern in neun Sprachen, um die Privatsphäre zu gewährleisten.
― 6 min Lesedauer
Forschung zeigt, dass Videos die Sprachrecognition in lauten Umgebungen verbessern.
― 5 min Lesedauer
Eine neue Methode verbessert die Genauigkeit beim Erkennen von Sprache von mehreren Sprechern.
― 5 min Lesedauer
Erforsche, wie der auditorische Kortex Klang über die Zeit integriert.
― 6 min Lesedauer
Eine neue Methode verbessert die Sprachverständlichkeit in lauten Umgebungen mit dualen neuronalen Netzwerken.
― 5 min Lesedauer
Das XLSR-Transducer-Modell glänzt bei der Echtzeit-Transkription mit minimalen Daten.
― 6 min Lesedauer
Ein neues Modell verbessert die Genauigkeit bei der Spracherkennung über mehrere Sprachen hinweg.
― 5 min Lesedauer
Forschung zeigt Risiken bei Sprachmodellen, die multitaskingfähig sind, wie Whisper.
― 5 min Lesedauer
TokenVerse vereinfacht die Analyse von gesprochenen Gesprächen, indem es mehrere Aufgaben in ein einziges Modell integriert.
― 7 min Lesedauer
Diese Studie untersucht Mix-Training für die Schlüsselworterkennung unter lauten Sprachbedingungen.
― 5 min Lesedauer
Die Verbesserung von Spracherkennungssystemen für Sprachen mit begrenzten Online-Daten.
― 5 min Lesedauer
Diese Studie untersucht, wie neuronale Netzwerke Sprache mithilfe von Spektrogrammen interpretieren.
― 6 min Lesedauer
Lern, wie Kontext die Genauigkeit der automatischen Spracherkennung und die Wörterkennung verbessert.
― 5 min Lesedauer
Diese Studie nutzt fiwGAN, um die Vokalphonemharmonien in der assamesischen Sprache zu erkunden.
― 5 min Lesedauer
Ein neues Framework verbessert die ASR-Leistung mit begrenzten Daten und Ressourcen.
― 5 min Lesedauer
Dieser Artikel bespricht, wie man die Formatierung von Zahlen in automatischen Transkripten verbessern kann.
― 5 min Lesedauer
Forscher suchen nach textlosen Ansätzen, um gesprochene Sprache besser zu verstehen.
― 7 min Lesedauer
Ein neues Modell verbessert die Sprachklarheit, indem es Geräusche und Echos gezielt angeht.
― 6 min Lesedauer
Ein neuer Datensatz unterstützt das Gesundheitswesen mit sprachbasierten Fragen zu medizinischen Bildern.
― 7 min Lesedauer
Eine Studie zur Verbesserung der Transkriptionsgenauigkeit durch verbessertes Prompt-Design.
― 6 min Lesedauer
Ein neuer Ansatz verbessert SER-Systeme durch die Nutzung von Geräuschumgebungsbeschreibungen.
― 6 min Lesedauer
Die Kombination von TTS und echten Daten verbessert Spracherkennungssysteme effektiv.
― 4 min Lesedauer
Neue Methode verbessert die Umwandlung von stiller Sprache in verständliche Audios.
― 5 min Lesedauer
Eine neue Methode verbessert die Sprachtrennung in lauten Umgebungen mit mehreren Sprechern.
― 5 min Lesedauer
Diese Studie stellt eine Methode vor, um die Bedeutung von Klangsignalen zu bewerten.
― 6 min Lesedauer
Neue Methoden sollen die Erkennung von geflüsterten Sprachäusserungen in automatischen Systemen verbessern.
― 6 min Lesedauer
KI-Modelle verbessern die Genauigkeit von Sprach-zu-Text-Umwandlungen.
― 5 min Lesedauer
Techniken untersuchen, um die Privatsphäre zu schützen, während aufgezeichnete Gespräche analysiert werden.
― 6 min Lesedauer
Ein neues Modell integriert Audio- und Visualdaten für Spracherkennung und Übersetzung.
― 6 min Lesedauer
Neue Methoden verbessern die Genauigkeit der Spracherkennung für verschiedene Akzente.
― 5 min Lesedauer
Wav2graph erstellt Wissensgraphen aus gesprochener Sprache, um das Verständnis von KI zu verbessern.
― 7 min Lesedauer
MulliVC verwandelt Stimmen über Sprachen hinweg mit beeindruckender Genauigkeit und Klarheit.
― 6 min Lesedauer
Neues Roboternavigationssystem versteht gesprochene Befehle durch Emotionen.
― 7 min Lesedauer
Das TOGGL-Modell verbessert die Transkriptionsgenauigkeit bei Situationen mit überlappendem Sprechen.
― 6 min Lesedauer