Ruihua Song

Um novo framework melhora a precisão das legendas de imagens e reduz erros.

A EVA combina sinais de áudio e visuais pra melhorar a precisão do reconhecimento de fala.

O ESPnet-Codec melhora o treinamento e a avaliação de codecs neurais para áudio e fala.

Novo método melhora interações realistas em animações de personagens.

Descubra como o AV-ASR combina áudio e visuais pra melhorar o reconhecimento de fala.