Articoli più recenti per Riconoscimento vocale

Il modello TOGGL migliora l'accuratezza della trascrizione in situazioni di discorso sovrapposto.

Un metodo per migliorare la qualità del riconoscimento vocale in ambienti rumorosi.

I ricercatori hanno sviluppato SaSLaW per migliorare l'adattamento della voce delle macchine in vari ambienti.

Un nuovo dataset mette in evidenza i pregiudizi nei modelli di linguaggio basati su genere ed età.

La ricerca mostra come rendere i modelli di linguaggio più piccoli ed efficienti.

L'addestramento avversariale migliora l'accuratezza del riconoscimento delle parole chiave nel parlato sintetico e reale.

Un nuovo benchmark migliora la valutazione dei sistemi di riconoscimento delle emozioni nel parlato attraverso lingue ed emozioni.

Nuovi metodi migliorano i modelli ASR per più lingue, preservando le conoscenze passate.

Un nuovo approccio migliora il riconoscimento delle frasi con cambio di codice nel linguaggio bilingue.

Un nuovo metodo per gestire meglio lunghe sequenze di dati.

Esaminando come i modelli vocali influenzano il significato e le prestazioni della tecnologia.

Uno sguardo alle complessità dell'identificazione delle tracce audio miste.

O-HuBERT migliora il riconoscimento vocale separando il contenuto dalle informazioni espressive.

Un nuovo metodo migliora il riconoscimento vocale per l'hindi usando tecniche di pseudo-etichettatura.

Un sistema per classificare i dialetti tamil letterari e colloquiali usando le caratteristiche sonore.

Nuovi metodi migliorano la comprensione del computer del parlato sussurrato e normale.

Uno sguardo al micro-batch clipping e ai suoi vantaggi per l'allenamento dei modelli.

La ricerca dimostra come i LLM migliorano il riconoscimento vocale automatico nella lingua giapponese.

Questo articolo esamina come i modelli riconoscono il tono, l'accento e gli accenti di intonazione.

SALSA migliora la precisione del riconoscimento vocale per le lingue a basse risorse integrando i modelli ASR e i modelli linguistici.

Nuovo metodo migliora l'accuratezza dell'ASR usando modelli linguistici per trascrizioni migliori.

Un nuovo sistema corregge gli errori di identificazione dell'oratore per trascrizioni di conversazione più chiare.

Migliorare la chiarezza del parlato tramite filtri ibridi e reti neurali.

Un nuovo modello migliora il riconoscimento vocale combinando in modo efficace input audio e visivi.

Nuovi metodi migliorano il riconoscimento vocale in situazioni difficili con più parlanti.

Un nuovo metodo migliora il riconoscimento vocale automatico mantenendo l'ordine dei suoni nel trasferimento delle conoscenze.

Questo studio analizza come il rumore possa migliorare la resilienza nel riconoscimento del parlato di fronte alle sfide.

Un trasduttore innovativo e leggero migliora l'efficienza e la precisione del riconoscimento vocale.

Questo articolo confronta le rappresentazioni di voce discrete e continue per un riconoscimento vocale efficace.

La ricerca svela come i neuroni nei modelli di linguaggio riconoscono le caratteristiche chiave del suono.

Questo studio esamina come l'autoattenzione influisce sul riconoscimento vocale in turco e inglese.

Un approccio di apprendimento auto-supervisionato riduce la necessità di dati audio etichettati.

TF-Mamba migliora la localizzazione del suono usando un nuovo metodo che integra dati temporali e di frequenza.

La ricerca sui sistemi ASR modulari punta a migliorare le performance in ambienti rumorosi.

Presentiamo DENSE, un metodo che migliora l'estrazione del discorso target usando embedding dinamici.

Questo metodo migliora l'accuratezza del riconoscimento per i nomi rari nei risultati vocali.

Migliorare l'identificazione delle parole parlate tramite indizi visivi in lingue poco supportate.

BigCodec migliora la qualità del suono nella trasmissione audio a bassa bitrate.

Questo articolo parla dei vantaggi di semplificare i modelli transformer per i compiti di riconoscimento vocale.

Sortformer integra la diarizzazione degli speaker e l'ASR per migliorare l'elaborazione audio.