Shinji Watanabe

VoxtLM combine la reconnaissance vocale, la synthèse, la génération de texte et la continuité dans un seul modèle.

AV-SUPERB évalue les modèles audio et visuels sur différentes tâches pour une meilleure performance.

Améliorer les traductions en temps réel grâce à des méthodes innovantes et des politiques intelligentes.

Un aperçu des avancées en reconnaissance vocale pour améliorer la rapidité et la précision.

De nouvelles méthodes améliorent la traduction de la parole en se concentrant sur les informations contextuelles.

Une nouvelle méthode améliore la reconnaissance vocale pour les utilisateurs qui passent d'une langue à l'autre.

Cette recherche présente un modèle pour améliorer la clarté de la parole dans différentes conditions.

Explorer les avancées dans le sous-titrage audio automatisé et son impact sur l'accessibilité.

Une nouvelle méthode aide à préserver les langues en danger grâce à une documentation détaillée.

Un nouveau cadre pour évaluer les modèles de base dans les tâches de parole.

Explorer des états de hérisson et d'anti-hérisson dans des matériaux magnétiques uniques.

Un nouveau système améliore la clarté de la parole dans des environnements avec plusieurs intervenants.

Un nouveau modèle améliore la reconnaissance vocale en utilisant plusieurs méthodes de décodage.

De nouvelles méthodes améliorent la précision et l'efficacité des systèmes de reconnaissance vocale.

Un nouveau modèle intègre des données audio et visuelles pour la reconnaissance vocale et la traduction.

Ce système traduit la parole anglaise en texte allemand instantanément pour une communication fluid.

De nouvelles variantes de COVID-19 mettent à l'épreuve les vaccins actuels et soulignent la nécessité de continuer les recherches.

Un outil facile à utiliser pour peaufiner des modèles de parole sans code compliqué.

Explorer le défi GenSEC pour améliorer la précision de la transcription vocale.

De nouvelles méthodes améliorent la précision et l'efficacité des traductions pour plusieurs langues.

Découvrez comment l'alignement des préférences améliore les systèmes de synthèse vocale pour de meilleures expériences utilisateurs.

Une étude montre que les i-vectors peuvent rivaliser avec des modèles complexes dans la reconnaissance vocale.

Une étude sur comment les choix de design impactent les modèles de fond de parole.

EVA combine des signaux audio et visuels pour une meilleure précision de reconnaissance vocale.

Un aperçu des résultats du défi Codec-SUPERB et des métriques de performance des codecs.

ESPnet-Codec améliore l'entraînement et l'évaluation des codecs neuronaux pour l'audio et la parole.

De nouvelles méthodes améliorent la façon dont les machines reconnaissent le langage parlé.

VERSA évalue efficacement la qualité de la parole, de l'audio et de la musique.

Découvrez comment l'AV-ASR combine audio et visuels pour améliorer la reconnaissance vocale.