Articoli più recenti per Riconoscimento vocale

Introdurre nuovi metriche per valutare l'accuratezza della diarizzazione del parlante nell'AI conversazionale.

Nuovi metodi migliorano l'accuratezza e la velocità nei sistemi di riconoscimento vocale.

Un nuovo metodo migliora le prestazioni dell'ASR attraverso l'integrazione dei dati testuali.

L'inserimento di testo aiuta a riconoscere le informazioni personali mantenendo la privacy.

Radio2Text usa segnali mmWave per il riconoscimento vocale in tempo reale in ambienti rumorosi.

Questo studio migliora i modelli G2P concentrandosi sulle aree soggette a errori durante l'addestramento.

Scopri metodi che migliorano l'accuratezza nel tracciamento dei formanti per l'analisi del parlato.

Nuovi metodi migliorano l'elaborazione e la generazione del parlato nei modelli di linguaggio.

Nuove tecniche migliorano la chiarezza audio in ambienti rumorosi.

Nuovi metodi migliorano il riconoscimento delle parole chiave usando i dati di parlato disponibili.

Un nuovo approccio aumenta la stima della fiducia nei sistemi ASR per una maggiore precisione.

Questo studio esplora i problemi legati all'uso delle convnet per la creazione di filterbank audio.

Questo articolo esplora i progressi nella diarizzazione degli speaker utilizzando modelli di linguaggio per una maggiore precisione.

Nuovo sistema migliora il riconoscimento vocale usando richieste consapevoli del contesto.

EnCodecMAE combina l'apprendimento auto-supervisionato e i codec audio per migliorare le performance nei compiti audio.

Presentando un metodo flessibile per riconoscere le parole chiave nel parlato in diverse lingue.

PIAVE aiuta le macchine a estrarre le voci in modo chiaro, anche quando i parlanti girano la testa.

Introducendo un framework flessibile per migliorare la ricerca sulla privacy vocale.

Un nuovo metodo semplifica la comprensione dei modelli di classificazione del parlato.

M-AUDIODEC comprime l'audio multicanale mantenendo la posizione degli altoparlanti e la qualità.

La ricerca svela nuovi modelli per migliorare la chiarezza della voce negli auricolari smart.

Un nuovo metodo migliora la capacità dei robot di seguire le indicazioni parlate con precisione.

Nuovi metodi stanno migliorando la nostra capacità di rilevare il discorso falso in modo efficace.

Un nuovo metodo migliora i modelli ASR per utenti singoli utilizzando quantizzazione e adattamento.

I nuovi modelli si adattano per migliorare l'efficienza e la reattività del riconoscimento vocale.

Migliorare il riconoscimento vocale di Whisper per il vietnamita e altre lingue a bassa risorsa.

Questo studio analizza come l'abilità uditiva influisca sulla comprensione del parlato in ambienti rumorosi.

Usare il clustering k-means per ottimizzare i dati audio per un miglior addestramento del modello.

Un metodo per scegliere il miglior modello ASR basato sulle caratteristiche audio.

MyST punta a migliorare l'apprendimento della scienza nei bambini attraverso tutoraggio virtuale.

Uno sguardo a M2MeT 2.0 e il suo impatto sulla trascrizione delle riunioni.

Questo studio analizza come la compressione dei modelli influisce sul riconoscimento vocale in ambienti rumorosi.

Un nuovo modello migliora la comprensione del parlato e dei suoni contemporaneamente.

Introdurre nuovi modelli per estrarre meglio il parlato in ambienti rumorosi.

La ricerca si concentra sul miglioramento dei sistemi ASR per audio non segmentato.

Esaminando i divari di prestazione nel riconoscimento vocale tra i diversi generi.

I LLM migliorano l'accuratezza e la correzione degli errori nei sistemi di riconoscimento vocale.

PP-MeT punta a migliorare l'accuratezza nella trascrizione di incontri con più partecipanti.

Questa ricerca presenta un modello per migliorare la chiarezza del discorso in diverse condizioni.

Questo progetto punta a migliorare il riconoscimento del parlato misto gujarati-inglese.