Peiwen Sun

FlashSpeech propose des solutions de synthèse vocale rapides et de haute qualité.

Combiner des infos audio et visuelles aide à mieux reconnaître les objets dans les vidéos.

Une nouvelle méthode combine des indices audio et textuels pour une meilleure identification des objets.

La recherche s'attaque aux biais qui affectent la compréhension audio-visuelle dans la technologie.

X-Codec améliore la génération audio en intégrant la compréhension sémantique dans le traitement.