Zhaoheng Ni

NeurIPS 2024に論文を提出するための基本ルール。

新しい方法が、複数の話者がいる難しい状況での音声認識を改善するんだ。

SyncFlowは、音声と映像の生成を統合して、スムーズなコンテンツ作成を実現するよ。

Whisperが多言語の会話でスピーチ認識をどう改善するかを見てみよう。