Ziyang Ma

De nouvelles méthodes pour sélectionner des données de discours minimisent l'étiquetage tout en améliorant la précision de reconnaissance.

De nouvelles méthodes améliorent le lien entre les descriptions textuelles et les événements sonores.

ELLA-V améliore la qualité et le contrôle de la synthèse vocale, surpassant les modèles précédents.

Un nouveau modèle améliore la compréhension de l'audio spatial par les machines.

MuPT utilise la notation ABC pour une génération musicale efficace avec l'IA.

MAP-Neo vise la transparence et la performance dans la modélisation du langage IA.

GigaSpeech 2 propose un énorme jeu de données pour les langues peu répandues afin d'améliorer la reconnaissance vocale.

Une nouvelle méthode améliore les performances des modèles de discours dans différentes tâches.

VQTalker crée des avatars parlants réalistes dans plusieurs langues, améliorant les interactions digitales.