AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:跨语言翻译×
6月23日
10:37
10:37arXiv cs.LG@Chandranath Adak, Ramesh Nandipalli
该研究提出两阶段深度学习流水线:先用微调后的VideoMAE视频Transformer将手语视频片段分类为英文标签(在AI4Bharat印度手语数据集的13类子集上达到99%训练精度和78%验证精度),再用Meta的NLLB-200模型将英文标签翻译为印地语、泰卢固语和孟加拉语。实验使用13类197个片段、80-20分割,15个epoch后完成训练,并通过混淆矩阵揭示主要失败模式(如ugly/deaf/blind等形容词混淆)。研究还提供了Streamlit演示入口,支持用户上传视频并输出预测标签及三种方言翻译。论文代码已开源。
论文VideoMAENLLB-200AI4Bharat手语识别跨语言翻译

推荐理由:想了解手语识别和低资源语言翻译怎么落地?这篇用VideoMAE+NLLB-200直接搭了个两阶段流水线,13类测试精度78%,还带Streamlit演示和代码。
原文
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月9日
23:18
23:18Google DeepMind@GoogleDeepMind
精选
Google DeepMind 推出了 Gemini 3.5 Live Translate,一个专为快速跨语言交流设计的音频模型。该模型支持实时翻译,覆盖包括英语、西班牙语和中文在内的多种语言。在测试中,Gemini 3.5 Live Translate 在语音翻译基准上相比前代 Gemini 3.0 提升了 20% 的准确率。它能够无缝处理对话中的语言切换,延迟低于 200 毫秒。
AI模型Gemini 3.5 Live TranslateGoogle DeepMind音频模型跨语言翻译

推荐理由:谷歌出了个超快语音翻译模型
原文
精选全部日报登录