検証・ベンチマーク
ラボレポート
多言語OCRベンチマーク：精度はHunyuanとQwen、スループットはPaddleがリード
8つのオープンOCRシステムを、5言語・6種類の文書からなる900ページで厳密なGPU限定条件のもと評価。CER、レイテンシ、スループット、VRAM、エネルギー、切り捨て、構造化出力を比較します。
Akash Verma
16分
Topic
研究ウォッチ
音声認識、機械翻訳、TTS、話者処理の研究を実務の言葉で読み解きます。
研究ウォッチ
論文を読む
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
4分
研究ウォッチ
論文を読む
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
3分
研究ウォッチ
論文を読む
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
4分
VOICE TRANSLATION LAB
研究ウォッチ
論文を読む
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 / 中島明紀
3分
研究ウォッチ
論文を読む
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
4分
研究ウォッチ
論文を読む
音声認識における大規模言語モデルの学習・評価・デプロイ
Whisperのファインチューニング、話者ダイアライゼーション、複数ASRモデルの比較評価に関する包括的な研究レポートです。
Linchuan Du
17分
研究ウォッチ
論文を読む
機械翻訳の精度評価と改善手法
複数の評価指標と5つのベンチマーク翻訳モデルを用いた機械翻訳品質の総合的な評価・改善手法に関する研究
Chen Yufeng
7分
研究ウォッチ
論文を読む
日本語・ベトナム語向けASRモデルのファインチューニング
OpenAI WhisperとAzure Speech Studioを活用し、ベトナム語・日本語の音声認識精度を向上させるファインチューニング手法の研究成果をまとめています。
Vikas Reddy
7分