Xuankai Chang

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

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

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

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

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