Suche nach Transkription

Distribution-Conditioned Transport: Generalisierbare Transportmodelle

In der modernen Datenanalyse besteht die Herausforderung, Transportmodelle zu entwickeln, die nicht nur bekannte Quell- und Zielverteilunge…

arXiv – cs.LG 06.03.2026 05:00

Forschung

IRPAPERS: Benchmark für visuelle Dokumentensuche und Fragenbeantwortung Die neue Studie IRPAPERS liefert einen umfassenden Teststand für die Verarbeitung von wissenschaftlichen Dokumenten in Bildform. Im Gegensatz zu herkömmlichen Ansätzen, die auf OCR-Transkriptionen angewiesen sind, untersucht die Arbeit, wie moderne multimodale Modelle direkt aus Bilddaten zurückgreifen können. Der Datensatz umfasst 3.230 Seiten aus 166 wissenschaftlichen Arbeiten. Für jede Seite stehen sowohl das Origin

arXiv – cs.AI 23.02.2026 05:00

Forschung

MechPert: Mechanistische Konsensmodelle steigern Vorhersagen genetischer Störungen

MechPert ist ein schlankes Framework, das große Sprachmodelle dazu anleitet, gezielte regulatorische Hypothesen zu formulieren, anstatt sic…

arXiv – cs.LG 17.02.2026 05:00

Forschung

scPilot: KI-gestützte Analyse von Einzelzellen – neue Wege in der Genomik

Mit scPilot eröffnet ein neues Kapitel in der Analyse von Einzelzell-Genomdaten. Das System nutzt ein großes Sprachmodell, das in natürlich…

arXiv – cs.AI 13.02.2026 05:00

Forschung

Voxtral Realtime: Echtzeit‑Spracherkennung mit Offline‑Qualität

Mit Voxtral Realtime setzt ein neues Streaming‑Spracherkennungsmodell neue Maßstäbe: Es liefert Transkriptionen in Echtzeit mit einer Verzö…

arXiv – cs.AI 13.02.2026 05:00

Aktuell

50 % der Chrome‑AI-Erweiterungen sammeln Daten – die größten Datenjäger

Eine aktuelle Studie hat ergeben, dass die Hälfte der in Chrome verfügbaren KI-Erweiterungen aktiv Nutzerdaten sammelt. Besonders auffällig…

ZDNet – Artificial Intelligence 04.02.2026 19:02

Forschung

Privatsphäre-geschützte Modelltranskription mit differenzieller privater Synthese

In der Welt des Deep Learning stellen Modelle, die auf sensiblen Daten trainiert wurden, ein erhebliches Risiko dar: Angreifer könnten aus…

arXiv – cs.LG 28.01.2026 05:00

Forschung

Automatisierte Pipeline wandelt Call-Center-Aufnahmen in Q&A-Daten für LLM-Training

Ein neues Verfahren namens Call2Instruct ermöglicht es, aus unstrukturierten Call‑Center‑Aufnahmen automatisch hochwertige Frage‑Antwort‑Da…

arXiv – cs.AI 22.01.2026 05:00

Praxis

Microsoft präsentiert VibeVoice‑ASR: 60‑Minuten‑Audio in einem Durchgang

Microsoft hat das neue Modell VibeVoice‑ASR veröffentlicht, das als Teil der VibeVoice-Familie von Open‑Source-Sprach‑KI-Modellen dient. Vi…

MarkTechPost 22.01.2026 21:11

Praxis

NVIDIA präsentiert Nemotron Speech ASR: Spracherkennung für geringe Latenz

NVIDIA hat sein neuestes Streaming‑Transkriptionsmodell „Nemotron Speech ASR“ vorgestellt, das speziell für Anwendungen mit niedriger Laten…

MarkTechPost 07.01.2026 04:12

Forschung

V-Agent: Interaktives Videosuchsystem mit Vision‑Language-Modellen

V-Agent ist eine neuartige Multi‑Agent-Plattform, die fortschrittliche Videosuche mit interaktiven Gesprächen zwischen Nutzer und System ko…

arXiv – cs.AI 22.12.2025 05:00

Forschung

Erste End-to-End-Pipeline für Handschriftenerkennung im alten Nepali

Forscher haben die erste komplette Pipeline für die Handschriftenerkennung (HTR) von alten nepalesischen Manuskripten vorgestellt – ein bed…

arXiv – cs.LG 22.12.2025 05:00

Forschung

EXAONE Path 2.5: Pathologie-Modell vereint Histologie, Genomik und mehr

Die Entstehung von Tumoren beruht auf komplexen Wechselwirkungen zwischen verschiedenen biologischen Ebenen. Während herkömmliche Bildanaly…

arXiv – cs.LG 17.12.2025 05:00

Aktuell

Von PM zur CEO: Laura Burkhauser führt Descript in 3 Jahren zum Erfolg

Laura Burkhauser hat in nur drei Jahren die Position von Produktmanagerin zum CEO von Descript übernommen, einem KI-Startup, das inzwischen…

Aakash Gupta – AI & Product 15.12.2025 21:29

Forschung

Leichtgewichtige Anpassung verbessert ASR bei Stottern – neue Studie enthüllt Sprachbias Eine aktuelle Veröffentlichung auf arXiv beleuchtet die anhaltenden Schwierigkeiten bei der automatischen Transkription von stotterndem Sprachmaterial. Trotz moderner End‑to‑End‑Spracherkennungssysteme bleiben Dysfluenzen und flüssigkeitsprägende Artefakte häufig unberücksichtigt, was zu nicht‑wörtlichen Aufzeichnungen führt, die für klinische und Forschungszwecke weniger wertvoll sind. Die Autoren stellen eine para

arXiv – cs.AI 03.12.2025 05:00

Forschung

KI‑Wissenschaftler KOSMOS testet Strahlenbiologie – gemischte Resultate

Ein neuer, autonomer KI‑Wissenschaftler namens KOSMOS wurde auf drei klassische Fragestellungen der Strahlenbiologie geprüft. Dabei nutzt K…

arXiv – cs.AI 19.11.2025 05:00

Praxis

Google stellt Gemini 3 Pro vor: Audio‑Transkription und neue Benchmarks

Google hat heute die neue Version seiner KI‑Plattform, Gemini 3 Pro, veröffentlicht. Die Ankündigung wurde von Sundar Pichai, Demis Hassabi…

Simon Willison – Blog 18.11.2025 19:00

Forschung

Whisper-Model: Layer Attention & Knowledge Distillation senken Halluzinationen

Das Whisper‑Modell, ein Open‑Source-System für automatische Spracherkennung, ist wegen seiner starken Leistung in multilingualen und Zero‑S…

arXiv – cs.AI 19.11.2025 05:00

Forschung

SpeechCARE: KI-Sprachanalyse erkennt frühzeitig kognitive Beeinträchtigung

Alzheimer‑Krankheit und verwandte Demenzen betreffen ein von fünf Menschen über 60 Jahre, wobei mehr als die Hälfte der Betroffenen mit kog…

arXiv – cs.AI 12.11.2025 05:00

Praxis

Supervised Reinforcement Learning: Google AI zeigt, wie kleine Modelle komplexe Aufgaben meistern

Google Cloud AI Research in Zusammenarbeit mit der UCLA hat ein neues Trainingsframework namens Supervised Reinforcement Learning (SRL) vor…

MarkTechPost 01.11.2025 02:58

Produkt

Parakeet ASR von NVIDIA auf SageMaker hosten – skalierbare Sprachverarbeitung

In diesem Beitrag wird gezeigt, wie NVIDIA’s Parakeet ASR auf Amazon SageMaker AI eingesetzt wird, um große Mengen an Audiodaten effizient…

AWS – Machine Learning Blog 28.10.2025 18:09

Praxis

Google führt Speech-to-Retrieval ein: Sprachabfrage direkt in Suchergebnis

Google hat mit dem neuen Speech‑to‑Retrieval‑Ansatz (S2R) einen Meilenstein für die Sprachsuche gesetzt. Anstatt die gesprochene Anfrage zu…

MarkTechPost 13.10.2025 03:09

Forschung

TV-Untertitel als intelligente Prompt-Quelle verbessern ASR-Transkripte

In einer innovativen Studie wird gezeigt, wie TV-Untertitel in einem schwach überwachten (WS) Automatic Speech Recognition (ASR)-Framework…

arXiv – cs.AI 08.09.2025 05:00

Forschung

Neues Whisper-Modell verbessert zweisprachige Phonem-Erkennung Vietnamesisch‑Englisch

Forscher haben ein neues Whisper‑basiertes System vorgestellt, das die Erkennung von Phonemen in gemischten vietnamesisch‑englischen Sprach…

arXiv – cs.AI 28.08.2025 05:00

Finde Modelle, Firmen und Themen

Distribution-Conditioned Transport: Generalisierbare Transportmodelle

MechPert: Mechanistische Konsensmodelle steigern Vorhersagen genetischer Störungen

scPilot: KI-gestützte Analyse von Einzelzellen – neue Wege in der Genomik

Voxtral Realtime: Echtzeit‑Spracherkennung mit Offline‑Qualität

50 % der Chrome‑AI-Erweiterungen sammeln Daten – die größten Datenjäger

Privatsphäre-geschützte Modelltranskription mit differenzieller privater Synthese

Automatisierte Pipeline wandelt Call-Center-Aufnahmen in Q&A-Daten für LLM-Training

Microsoft präsentiert VibeVoice‑ASR: 60‑Minuten‑Audio in einem Durchgang

NVIDIA präsentiert Nemotron Speech ASR: Spracherkennung für geringe Latenz

V-Agent: Interaktives Videosuchsystem mit Vision‑Language-Modellen

Erste End-to-End-Pipeline für Handschriftenerkennung im alten Nepali

EXAONE Path 2.5: Pathologie-Modell vereint Histologie, Genomik und mehr

Von PM zur CEO: Laura Burkhauser führt Descript in 3 Jahren zum Erfolg

KI‑Wissenschaftler KOSMOS testet Strahlenbiologie – gemischte Resultate

Google stellt Gemini 3 Pro vor: Audio‑Transkription und neue Benchmarks

Whisper-Model: Layer Attention & Knowledge Distillation senken Halluzinationen

SpeechCARE: KI-Sprachanalyse erkennt frühzeitig kognitive Beeinträchtigung

Supervised Reinforcement Learning: Google AI zeigt, wie kleine Modelle komplexe Aufgaben meistern

Parakeet ASR von NVIDIA auf SageMaker hosten – skalierbare Sprachverarbeitung

Google führt Speech-to-Retrieval ein: Sprachabfrage direkt in Suchergebnis

TV-Untertitel als intelligente Prompt-Quelle verbessern ASR-Transkripte

Neues Whisper-Modell verbessert zweisprachige Phonem-Erkennung Vietnamesisch‑Englisch

🍪 Cookie-Einstellungen

50 % der Chrome‑AI-Erweiterungen sammeln Daten – die größten Datenjäger