TTS
Text-to-Speech
Bert-VITS2を用いた中国語（標準語）音声合成システムの構築
AISHELL-3データセットとBert-VITS2フレームワークを活用した中国語音声合成システムの開発に関する研究レポートです。
Boxuan Lyu - Tokyo Institute of Technology
2 min
リサーチ
VoicePingのベンチマーク、評価手法、モデル評価、プロダクト研究をご紹介します。
27件の記事
Machine Translation
RAFT
RAFT（検索拡張ファインチューニング）による英中翻訳の高度化
Llama 3.1を用いた英中双方向翻訳におけるRAFT手法の検証
Kai-Teh Tzeng - Lehigh University
1 min
Machine Translation
Large Language Models
大規模言語モデルによる機械翻訳とハルシネーション低減
Llama 3.1を用いた中英翻訳のファインチューニングとハルシネーション軽減戦略に関する研究
Shuang LIANG - The University of Tokyo
2 min
Speaker Diarization
Pyannote
話者ダイアライゼーション性能評価：Pyannote.audio vs Nvidia NeMo、GPT-4による後処理
話者ダイアライゼーションフレームワークの比較評価。DER分析とリアルタイムアプリケーション開発を通じて、Pyannote.audioとNvidia NeMoの性能差を検証します。
Taishin Maeda - Waseda University
2 min
Pronunciation
Speech Analysis
Self-Attentionモデルによる音節レベルの発音ストレス検出
英語の発話における音節ストレスレベルを識別するSelf-Attentionモデルの研究
Wang Weiying and Nakajima Akinori
1 min
Machine Translation
In-Context Learning
機械翻訳におけるIn-Context Learning性能の向上
TF-IDFによる検索を活用してGPT-4翻訳のIn-Context Learningの性能を向上させる手法に関する研究レポートです。
Chen Yufeng - Waseda University
2 min