Haizhou Li

CoAVT integra datos de audio, visuales y de texto para una mejor comprensión.

Nuevos métodos mejoran la detección de altavoces audio-visuales en entornos complicados.

SEANet mejora el aislamiento del hablante al reducir el ruido en el procesamiento de audio.

AdvEval expone las debilidades en las métricas de evaluación de Generación de Lenguaje Natural.

Un nuevo enfoque mejora los sistemas de diálogo al combinar estructuras de tema y retóricas.

El nuevo modelo ARDiT mejora la síntesis de texto a voz y la edición de audio.

Una mirada a nuevos métodos para entender el habla entrecortada durante las conversaciones.

Un nuevo método mejora la conversión de voz entre idiomas mientras conserva las características del hablante.

Una revisión de cómo la selección de datos mejora el rendimiento de los modelos de lenguaje.

Un nuevo marco mejora la conexión entre caras y voces, especialmente en entornos ruidosos.

Un nuevo método mejora la precisión de la localización sonora y asegura la privacidad de los datos.

Un nuevo método para generar habla acentuada usando transliteración de texto.

E1 TTS transforma texto en habla natural más rápido y de manera más eficiente.

Descubre cómo los embeddings Matryoshka mejoran la eficiencia y flexibilidad del reconocimiento de hablantes.

Presentamos un nuevo modelo y benchmark para evaluar tareas de audio múltiple.

Nuevo método mejora la claridad del habla usando información visual del entorno.

Descubre cómo la TTS emocional cambia la comunicación con las máquinas, haciéndolas más cercanas.