Haizhou Li

CoAVT intègre des données audio, visuelles et textuelles pour une meilleure compréhension.

De nouvelles méthodes améliorent la détection des orateurs audio-visuels dans des environnements difficiles.

SEANet améliore l'isolement des intervenants en réduisant le bruit dans le traitement audio.

AdvEval met en lumière les faiblesses des métriques d'évaluation de la génération de langage naturel.

Une nouvelle approche améliore les systèmes de dialogue en combinant les sujets et les structures rhétoriques.

Le nouveau modèle ARDiT améliore la synthèse vocale et l'édition de la parole.

Un coup d'œil sur les nouvelles méthodes pour comprendre les discours qui se chevauchent pendant les conversations.

Une nouvelle méthode améliore la conversion vocale entre les langues tout en préservant les traits du locuteur.

Une revue de comment la sélection des données améliore la performance des modèles linguistiques.

Un nouveau cadre améliore la connexion entre les visages et les voix, surtout dans des environnements bruyants.

Une nouvelle méthode améliore la précision de la localisation sonore tout en garantissant la confidentialité des données.

Une nouvelle méthode pour générer de la parole accentuée en utilisant la translittération du texte.

E1 TTS transforme le texte en parole naturelle plus rapidement et plus efficacement.

Découvrez comment les embeddings Matryoshka améliorent l'efficacité et la flexibilité de la reconnaissance vocale.

Présentation d'un nouveau modèle et d'une référence pour évaluer les tâches multi-audio.

Une nouvelle méthode améliore la clarté de la parole en utilisant des infos visuelles de l'environnement.

Découvre comment le TTS émotionnel change la communication avec les machines, les rendant plus proches.