Shinji Watanabe

VoxtLM combina reconocimiento de voz, síntesis, generación de texto y continuación en un solo modelo.

AV-SUPERB evalúa modelos de audio y visuales en diferentes tareas para mejorar el rendimiento.

Mejorando las traducciones en tiempo real a través de métodos innovadores y políticas inteligentes.

Una mirada a los avances en el reconocimiento de voz para aumentar la velocidad y la precisión.

Nuevos métodos mejoran la traducción de habla al centrarse en la información contextual.

Un nuevo método mejora el reconocimiento de voz para usuarios que cambian de código.

Esta investigación presenta un modelo para mejorar la claridad del habla en diferentes condiciones.

Explorando los avances en la subtitulación automática de audio y su impacto en la accesibilidad.

Un nuevo método apoya la preservación de las lenguas en peligro a través de una documentación detallada.

Un nuevo marco para evaluar modelos base en tareas de habla.

Explorando estados de erizo y anti-erizo en materiales magnéticos únicos.

Un nuevo sistema mejora la claridad del habla en entornos con múltiples hablantes.

Un nuevo modelo mejora el reconocimiento de voz usando múltiples métodos de decodificación.

Nuevos métodos mejoran la precisión y eficiencia en los sistemas de reconocimiento de voz.

Un nuevo modelo integra datos de audio y visuales para el reconocimiento y la traducción del habla.

Este sistema traduce el habla en inglés a texto en alemán al instante para una comunicación sin interrupciones.

Nuevas variantes de COVID-19 están desafiando las vacunas actuales y subrayan la necesidad de seguir investigando.

Una herramienta fácil de usar para ajustar modelos de voz sin necesidad de código complicado.

Explorando el desafío GenSEC para mejorar la precisión de la transcripción de voz.

Nuevos métodos mejoran la precisión y eficiencia de la traducción para varios idiomas.

Descubre cómo la alineación de preferencias mejora los sistemas de texto a voz para ofrecer mejores experiencias a los usuarios.

Un estudio muestra que los i-vectores pueden competir con modelos complejos en el reconocimiento de hablantes.

Un estudio sobre cómo las elecciones de diseño afectan los modelos de lenguaje de base.

EVA combina señales de audio y visuales para mejorar la precisión del reconocimiento de voz.

Una mirada a los resultados del desafío Codec-SUPERB y las métricas de rendimiento del codec.

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

Nuevos métodos mejoran cómo las máquinas reconocen el lenguaje hablado.

VERSA evalúa la calidad de voz, audio y música de manera efectiva.

Descubre cómo AV-ASR combina audio y visuales para mejorar el reconocimiento de voz.