Ruihua Song

Un nuovo framework migliora l'accuratezza delle didascalie delle immagini e riduce gli errori.

EVA unisce segnali audio e visivi per una migliore precisione nel riconoscimento vocale.

ESPnet-Codec migliora l'addestramento e la valutazione dei codec neurali per audio e parlato.

Nuovo metodo migliora le interazioni realistiche nelle animazioni dei personaggi.

Scopri come AV-ASR combina audio e immagini per migliorare il riconoscimento vocale.