Pensamiento Continuo de Audio para Grandes Modelos de Lenguaje
Descubre cómo CoAT permite a los modelos de audio retener información acústica mediante un espacio latente continuo, mejorando transcripción y clasificación.
#reconocimiento de habla
MuVAP: Modelo multimodal para predicción de turnos en conversaciones
Descubre MuVAP, el modelo que predice quién hablará usando solo audio y una cámara. Ideal para robots sociales. Más preciso que los modelos actuales.