wav2vec 2.0
Vizuális információval csökkentené a többnyelvű beszédmodellek lemaradását az Apple
Az Apple kutatói szerint a beszédhez kapcsolt korlátozott vizuális információ jelentősen csökkentheti a többnyelvű, önfelügyelt beszédmodellek lemaradását. A módszer…
Vizuális információval csökkentené a beszédmodellek nyelvi hátrányát az Apple
Az Apple kutatói vizuális információt vontak be kétnyelvű, önfelügyelt beszédmodellek tanításába. A módszerrel a fonetikai megkülönböztetésben mért teljesítménykülönbség…