Xuankai Chang

VoxtLM combina reconhecimento de fala, síntese, geração de texto e continuação em um só modelo.

Explorando os avanços na legendagem automática de áudio e seu impacto na acessibilidade.

Um novo modelo pra avaliar modelos de fundação em tarefas de fala.

Um novo modelo integra dados de áudio e visual para reconhecimento de fala e tradução.

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