Haizhou Li

A PIAVE ajuda máquinas a captar vozes com clareza, mesmo quando as pessoas viram a cabeça.

O FluentEditor melhora a edição de áudio focando no fluxo natural e na consistência.

Novos métodos de aprendizado melhoram a eficiência e a precisão das redes neurais de pico.

CoAVT integra dados de áudio, vídeo e texto pra uma compreensão melhor.

Novos métodos melhoram a detecção de falantes áudio-visuais em ambientes desafiadores.

O SEANet melhora a isolação do falante reduzindo o ruído no processamento de áudio.

AdvEval expõe fraquezas nas métricas de avaliação de Geração de Linguagem Natural.

Uma nova abordagem melhora os sistemas de diálogo combinando estruturas de tópicos e retóricas.

Novo modelo ARDiT melhora a síntese de texto para fala e a edição de fala.

Um olhar sobre novos métodos para entender a fala sobreposta durante as conversas.

Um novo método melhora a conversão de voz entre idiomas, mantendo as características do falante.

Uma análise de como a seleção de dados melhora o desempenho dos modelos de linguagem.

Um novo modelo melhora a conexão entre rostos e vozes, especialmente em ambientes barulhentos.

Um novo método melhora a precisão na localização sonora enquanto garante a privacidade dos dados.

Um novo método para gerar fala com acento usando transliteração de texto.

E1 TTS transforma texto em fala natural de forma mais rápida e eficiente.

Descubra como as embeddings Matryoshka melhoram a eficiência e flexibilidade do reconhecimento de falantes.

Apresentando um novo modelo e referência para avaliar tarefas de áudio múltiplo.

Novo método melhora a clareza da fala usando informações visuais do ambiente.

Descubra como o TTS emocional muda a comunicação com as máquinas, tornando elas mais fáceis de se relacionar.