Xuankai Chang

VoxtLM combina riconoscimento vocale, sintesi, generazione di testo e continuazione in un unico modello.

Esplorando i progressi nella didascalia audio automatica e il suo impatto sull'accessibilità.

Un nuovo framework per valutare i modelli di base nei compiti di parlato.

Un nuovo modello integra dati audio e visivi per il riconoscimento vocale e la traduzione.

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