Xie Chen

ELLA-Vはテキスト読み上げの品質とコントロールを向上させて、以前のモデルを超えたよ。

新しいモデルが機械の空間音声の理解を向上させる。

AniTalkerは、ポートレートと音声を使ってリアルなアニメーションを作り、微妙な表情の動きを捉えるんだ。

GigaSpeech 2は、音声認識を改善するためのリソースの少ない言語向けの膨大なデータセットを提供してるよ。

音響BPEは、TTSシステムにおける音声の明瞭さと質を向上させるよ。

物理学や材料科学におけるトポロジー的欠陥の重要性を探る。

新しい方法で、いろんなタスクでスピーチモデルのパフォーマンスが向上したよ。

VQTalkerは、リアルなトーキングアバターを複数の言語で作成し、デジタルなやり取りをより楽しくするよ。