Yichen Lu

新しいモデルが音声と視覚データを統合して、音声認識と翻訳を行うんだ。

EVAは音声と視覚の信号を組み合わせて、スピーチ認識の精度を向上させるんだ。

AV-ASRが音声と映像を組み合わせて、より良い音声認識を実現する方法を学ぼう。