Neuste Artikel für Spracherkennung

Ein System kombiniert Audio und Video, um die Erkennungsgenauigkeit von Sprechern zu verbessern.

Eine neue Methode verbessert den Maschinendialog durch Pseudo-Stereo-Daten.

Diese Studie präsentiert einen Datensatz und eine Methode, um die Genauigkeit der chinesischen ASR mithilfe von Pinyin zu verbessern.

Diese Studie konzentriert sich darauf, die Erkennung von Deepfake-Audio mit fortschrittlichen Methoden zu verbessern.

Das Verstehen von Unsicherheit verbessert die Genauigkeit der Emotionserkennung in realen Szenarien.

Ein System zur Sprechererkennung in mehrsprachigen Audios ohne umfangreiche Daten.

Die Verbesserung der Technologie zur Anonymisierung von Sprechern in neun Sprachen, um die Privatsphäre zu gewährleisten.

Forschung zeigt, dass Videos die Sprachrecognition in lauten Umgebungen verbessern.

Eine neue Methode verbessert die Genauigkeit beim Erkennen von Sprache von mehreren Sprechern.

Erforsche, wie der auditorische Kortex Klang über die Zeit integriert.

Eine neue Methode verbessert die Sprachverständlichkeit in lauten Umgebungen mit dualen neuronalen Netzwerken.

Das XLSR-Transducer-Modell glänzt bei der Echtzeit-Transkription mit minimalen Daten.

Ein neues Modell verbessert die Genauigkeit bei der Spracherkennung über mehrere Sprachen hinweg.

Forschung zeigt Risiken bei Sprachmodellen, die multitaskingfähig sind, wie Whisper.

TokenVerse vereinfacht die Analyse von gesprochenen Gesprächen, indem es mehrere Aufgaben in ein einziges Modell integriert.

Diese Studie untersucht Mix-Training für die Schlüsselworterkennung unter lauten Sprachbedingungen.

Die Verbesserung von Spracherkennungssystemen für Sprachen mit begrenzten Online-Daten.

Diese Studie untersucht, wie neuronale Netzwerke Sprache mithilfe von Spektrogrammen interpretieren.

Lern, wie Kontext die Genauigkeit der automatischen Spracherkennung und die Wörterkennung verbessert.

Diese Studie nutzt fiwGAN, um die Vokalphonemharmonien in der assamesischen Sprache zu erkunden.

Ein neues Framework verbessert die ASR-Leistung mit begrenzten Daten und Ressourcen.

Dieser Artikel bespricht, wie man die Formatierung von Zahlen in automatischen Transkripten verbessern kann.

Forscher suchen nach textlosen Ansätzen, um gesprochene Sprache besser zu verstehen.

Ein neues Modell verbessert die Sprachklarheit, indem es Geräusche und Echos gezielt angeht.

Ein neuer Datensatz unterstützt das Gesundheitswesen mit sprachbasierten Fragen zu medizinischen Bildern.

Eine Studie zur Verbesserung der Transkriptionsgenauigkeit durch verbessertes Prompt-Design.

Ein neuer Ansatz verbessert SER-Systeme durch die Nutzung von Geräuschumgebungsbeschreibungen.

Die Kombination von TTS und echten Daten verbessert Sprach­erkennungssysteme effektiv.

Neue Methode verbessert die Umwandlung von stiller Sprache in verständliche Audios.

Eine neue Methode verbessert die Sprachtrennung in lauten Umgebungen mit mehreren Sprechern.

Diese Studie stellt eine Methode vor, um die Bedeutung von Klangsignalen zu bewerten.

Neue Methoden sollen die Erkennung von geflüsterten Sprachäusserungen in automatischen Systemen verbessern.

KI-Modelle verbessern die Genauigkeit von Sprach-zu-Text-Umwandlungen.

Techniken untersuchen, um die Privatsphäre zu schützen, während aufgezeichnete Gespräche analysiert werden.

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

Neue Methoden verbessern die Genauigkeit der Spracherkennung für verschiedene Akzente.

Wav2graph erstellt Wissensgraphen aus gesprochener Sprache, um das Verständnis von KI zu verbessern.

MulliVC verwandelt Stimmen über Sprachen hinweg mit beeindruckender Genauigkeit und Klarheit.

Neues Roboternavigationssystem versteht gesprochene Befehle durch Emotionen.

Das TOGGL-Modell verbessert die Transkriptionsgenauigkeit bei Situationen mit überlappendem Sprechen.