Derniers articles pour Reconnaissance vocale

Le modèle TOGGL améliore la précision de la transcription dans les situations de discours qui se chevauchent.

Une méthode pour améliorer la qualité de la reconnaissance vocale dans des environnements bruyants.

Des chercheurs ont développé SaSLaW pour améliorer l'adaptation de la parole des machines dans divers environnements.

Un nouveau jeu de données met en lumière les biais dans les modèles de parole en fonction du genre et de l'âge.

Des recherches montrent comment rendre les modèles de discours plus petits et plus efficaces.

L'entraînement adversarial améliore la précision de détection des mots-clés dans la parole synthétique et réelle.

Un nouveau standard améliore l'évaluation des systèmes de reconnaissance des émotions dans la parole, toutes langues et émotions confondues.

De nouvelles méthodes améliorent les modèles ASR pour plusieurs langues, tout en préservant les connaissances passées.

Une nouvelle approche améliore la reconnaissance des phrases en code-switching dans le discours bilingue.

Une nouvelle méthode pour mieux gérer les longues séquences de données.

Examiner comment les patterns vocaux influencent le sens et la performance technologique.

Un aperçu des complexités pour identifier des pistes audio mixées.

O-HuBERT améliore la reconnaissance vocale en séparant le contenu et l'information expressive.

Une nouvelle méthode améliore la reconnaissance vocale pour l'hindi en utilisant des techniques de pseudo-étiquetage.

Un système pour classer les dialectes tamouls littéraires et colloquiaux en utilisant des caractéristiques sonores.

De nouvelles méthodes améliorent la compréhension de la parole chuchotée et normale par les ordinateurs.

Un aperçu du micro-batch clipping et ses avantages pour l'entraînement des modèles.

Des recherches montrent comment les LLM améliorent la reconnaissance vocale automatique en japonais.

Cet article examine comment les modèles reconnaissent le ton, l'accentuation et les accents de hauteur.

SALSA améliore la précision de la reconnaissance vocale pour les langues à faibles ressources en intégrant des modèles ASR et des modèles linguistiques.

Une nouvelle méthode améliore la précision de la reconnaissance vocale en utilisant des modèles de langue pour de meilleures transcriptions.

Un nouveau système corrige les erreurs d'identification des intervenants pour des transcriptions de conversation plus claires.

Améliorer la clarté de la parole grâce à des filtres hybrides et des réseaux neuronaux.

Un nouveau modèle améliore la reconnaissance vocale en combinant efficacement les entrées audio et visuelles.

De nouvelles méthodes améliorent la reconnaissance vocale dans des situations difficiles avec plusieurs intervenants.

Une nouvelle méthode améliore la reconnaissance automatique de la parole en préservant l'ordre des sons dans le transfert de connaissances.

Cette étude examine comment le bruit peut renforcer la résilience de la reconnaissance vocale face aux défis.

Un transducteur léger et innovant booste l'efficacité et la précision de la reconnaissance vocale.

Cet article compare les représentations de la parole discrètes et continues pour un bon reconocimiento de la parole.

Des recherches montrent comment les neurones dans les modèles de parole reconnaissent les caractéristiques clés du son.

Cette étude examine comment l'auto-attention affecte la reconnaissance vocale en turc et en anglais.

Une approche d'apprentissage auto-supervisé réduit le besoin de données audio étiquetées.

TF-Mamba améliore la localisation sonore grâce à une nouvelle approche qui intègre des données temporelles et fréquentielles.

La recherche sur les systèmes ASR modulaires vise à améliorer les performances dans des environnements bruyants.

Voici DENSE, une méthode qui améliore l'extraction de la parole cible grâce à des embeddings dynamiques.

Cette méthode améliore la précision de reconnaissance des noms rares dans les sorties vocales.

Améliorer l'identification des mots parlés grâce à des indices visuels dans les langues sous-représentées.

BigCodec améliore la qualité sonore dans les transmissions audio à faible débit.

Cet article parle des avantages de simplifier les modèles de transformateurs pour les tâches de parole.

Sortformer intègre la diarisation des locuteurs et l'ASR pour un meilleur traitement audio.