Oriol Nieto

この記事では、LVLMにおける幻覚について話し、それに対処する方法を提案してるよ。

GAMAは音と語の知見を融合させて音声処理を改善するよ。

ReCLAPは、より正確な音声分類のために詳細なプロンプトを使って音声分類を強化するよ。

革新的な技術が限られたリソースでも音楽-テキストモデルのトレーニングを向上させる。

ハミングやタッピングを高品質な音声に変えるなら、Sketch2Soundだよ。

新しいシステムは、詳細なテキスト説明を使って音声コントロールを変革する。