cs.SD」カテゴリーアーカイブ

How much to Dereverberate? Low-Latency Single-Channel Speech Enhancement in Distant Microphone Scenarios

要約 残響除去は、信号の明瞭度と品質を向上させる音声強調(SE)の重要なサブタス … 続きを読む

カテゴリー: cs.LG, cs.SD, eess.AS, I.5.1 | コメントする

REFFLY: Melody-Constrained Lyrics Editing Model

要約 メロディから歌詞への自動生成(M2L)は、与えられたメロディに沿った歌詞を … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | コメントする

CAV-MAE Sync: Improving Contrastive Audio-Visual Mask Autoencoders via Fine-Grained Alignment

要約 オーディオビジュアル学習における最近の進歩は、モダリティを超えた表現の学習 … 続きを読む

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | コメントする

FlowDubber: Movie Dubbing with LLM-based Semantic-aware Learning and Flow Matching based Voice Enhancing

要約 ムービーダビングは、与えられた短い参照音声のボーカルの音色を維持しながら、 … 続きを読む

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | コメントする

An Automated Pipeline for Few-Shot Bird Call Classification: A Case Study with the Tooth-Billed Pigeon

要約 本論文では、BirdNETやPerchのような大規模な公開分類器にはない希 … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.LG, cs.SD | コメントする

Voice Cloning: Comprehensive Survey

要約 音声クローニングは、今日のデジタルの世界で急速に進歩しており、多くの研究者 … 続きを読む

カテゴリー: cs.AI, cs.SD, eess.AS | コメントする

Ditto: Motion-Space Diffusion for Controllable Realtime Talking Head Synthesis

要約 拡散モデルの最近の進歩により、微妙な表現と鮮やかなヘッドの動きを備えたトー … 続きを読む

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | コメントする

Addressing Emotion Bias in Music Emotion Recognition and Generation with Frechet Audio Distance

要約 音楽感情の複雑な性質は、特に単一のオーディオエンコーダー、感情分類器、また … 続きを読む

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | コメントする

Cross-Lingual Speech Emotion Recognition: Humans vs. Self-Supervised Models

要約 音声感情認識(SER)のための自己監視学習(SSL)モデルを利用して、効果 … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.HC, cs.SD, eess.AS | コメントする

Semi-Supervised Cognitive State Classification from Speech with Multi-View Pseudo-Labeling

要約 ラベル付けされたデータの欠如は、音声分類タスク、特に認知状態分類などの広範 … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.MM, cs.SD, eess.AS | コメントする