Human-Inspired Computing for Robust and Efficient Audio-Visual Speech Recognition
专题命中 音频语音多模态 :audio-visual(title,abstract);multimodal(abstract);分类 cs.MM、eess.AS
Comments aceepted by IEEE TC
AI 大模型
跨文本、图像、视频、音频等模态的大模型与学习方法。
专题命中 音频语音多模态 :audio-visual(title,abstract);multimodal(abstract);分类 cs.MM、eess.AS
Comments aceepted by IEEE TC
专题命中 音频语音多模态 :audio-visual(title,abstract);分类 eess.AS
Comments Preprint of the paper presented at Euronoise 2025 Malaga, Spain
机构 * StepFun Audio Team(StepFun音频团队)
专题命中 音频语音多模态 :multi-modal(abstract);分类 cs.CL、eess.AS
Comments v3: Added introduction and evaluation results of Step-Audio 2 mini
机构 * AIMS RIC ; NM-AIST ; Mila - Quebec AI Institute(魁北克人工智能研究所) ; Université de Montréal(蒙特利尔大学) ; Google DeepMind(谷歌DeepMind) ; Saarland University(萨尔兰大学) ; University of Würzburg(维尔茨堡大学) ; Makerere University(Makerere大学) ; McGill University(麦吉尔大学) ; Canada CIFAR AI Chair(加拿大CIFAR人工智能主席)
专题命中 音频语音多模态 :multimodal(abstract);分类 cs.CL、eess.AS
Comments Accepted to ASRU 2025
机构 * ByteDance(字节跳动)
专题命中 音频语音多模态 :multimodal(abstract)