Soham Deshmukh

CLAPモデルは、さまざまなアプリケーションのために音声とテキスト処理をつなげるよ。

新しい方法が音声キャプションシステムをテキストの説明だけでトレーニングするんだ。

PAMは、参照録音なしで音質を測定する新しい方法を提供してるよ。

新しい方法で、機械が人間の感情を話し声からもっと理解できるようになったよ。

この研究は、新しいタスクを使って音声言語モデルの推論スキルを評価してるよ。

MACEは音を正確なテキスト説明にリンクさせることで音声キャプショニングを改善する。