Ziyang Ma

Nuevos métodos mejoran la conexión entre descripciones de texto y eventos sonoros.

ELLA-V mejora la calidad y el control del texto a voz, superando modelos anteriores.

Un nuevo modelo mejora la comprensión del audio espacial por parte de las máquinas.

MuPT utiliza la notación ABC para generar música de manera efectiva con IA.

MAP-Neo busca transparencia y rendimiento en el modelado de lenguaje de IA.

GigaSpeech 2 ofrece un montón de datos para lenguas de pocos recursos para mejorar el reconocimiento de voz.

Un nuevo método mejora el rendimiento del modelo de habla en varias tareas.

VQTalker crea avatares hablantes realistas en varios idiomas, mejorando las interacciones digitales.