Xianghu Yue

CoAVTは、音声、映像、テキストデータを統合して、理解を深めるんだ。

新しい方法が音の位置特定の精度を向上させつつ、データプライバシーを守る。

マルチオーディオタスクを評価するための新しいモデルとベンチマークを紹介するよ。