Bhiksha Raj

Un nuevo estándar evalúa el rendimiento de los sistemas de reconocimiento de voz en medio de diversas interferencias.

Investigando cómo pequeños errores en los datos de entrenamiento mejoran el contenido generado por IA.

Nuevo marco evalúa el rendimiento de SLAM en condiciones desafiantes.

Nuevos métodos mejoran los modelos de habla para idiomas con datos limitados.

Nuevos métodos mejoran la comprensión de las emociones humanas en el habla por parte de las máquinas.

Este estudio evalúa las habilidades de razonamiento de modelos de audio-lenguaje con una nueva tarea.

Este estudio examina cómo diferentes métodos de resumen afectan la calidad y el contenido.

Un nuevo marco mejora la precisión en la confirmación de la identidad vocal.

Nuevas características acústicas mejoran el rendimiento de los sistemas ASR en entornos ruidosos.

ESPnet-Codec mejora el entrenamiento y la evaluación de códecs neuronales para audio y voz.

MACE mejora la subtitulación de audio al conectar sonidos con descripciones de texto precisas.

Explora cómo POGAT mejora el análisis de estructuras de grafo complejas.

Descubre cómo SoftVQ-VAE mejora la creación de imágenes con eficiencia y calidad.