「cs.SD」カテゴリーアーカイブ

LLaMA-Omni: Seamless Speech Interaction with Large Language Models

投稿日: 2024年9月11日 作成者: jarxiv

要約 GPT-4o のようなモデルは、音声による大規模言語モデル (LLM) と … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS, I.2.7 | LLaMA-Omni: Seamless Speech Interaction with Large Language Models はコメントを受け付けていません

Benchmarking Sub-Genre Classification For Mainstage Dance Music

投稿日: 2024年9月11日 作成者: jarxiv

要約 音楽の分類は、幅広い用途に対応しており、音楽情報の検索において最も重要なタ … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, I.2.1 | Benchmarking Sub-Genre Classification For Mainstage Dance Music はコメントを受け付けていません

IndicVoices-R: Unlocking a Massive Multilingual Multi-speaker Speech Corpus for Scaling Indian TTS

投稿日: 2024年9月10日 作成者: jarxiv

要約 Text-to-Speech (TTS) 合成の最近の進歩により、広範な … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.SP | IndicVoices-R: Unlocking a Massive Multilingual Multi-speaker Speech Corpus for Scaling Indian TTS はコメントを受け付けていません

Harmonic Reasoning in Large Language Models

投稿日: 2024年9月10日 作成者: jarxiv

要約 大規模言語モデル (LLM) は非常に人気があり、芸術における創造的なタス … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD | Harmonic Reasoning in Large Language Models はコメントを受け付けていません

PDAF: A Phonetic Debiasing Attention Framework For Speaker Verification

投稿日: 2024年9月10日 作成者: jarxiv

要約 話者認証システムは、音声による身元認証に不可欠です。 従来、これらのシステ … 続きを読む →

カテゴリー: cs.CL, cs.SD | PDAF: A Phonetic Debiasing Attention Framework For Speaker Verification はコメントを受け付けていません

Evaluation of real-time transcriptions using end-to-end ASR models

投稿日: 2024年9月10日 作成者: jarxiv

要約 自動音声認識 (ASR) または Speech-to-text (STT) … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, I.2.7 | Evaluation of real-time transcriptions using end-to-end ASR models はコメントを受け付けていません

Auto-ACD: A Large-scale Dataset for Audio-Language Representation Learning

投稿日: 2024年9月10日 作成者: jarxiv

要約 最近、AI コミュニティは、大規模なマルチモーダル データセットを活用した … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Auto-ACD: A Large-scale Dataset for Audio-Language Representation Learning はコメントを受け付けていません

Innovative Speech-Based Deep Learning Approaches for Parkinson’s Disease Classification: A Systematic Review

投稿日: 2024年9月9日 作成者: jarxiv

要約 パーキンソン病 (PD) は世界で 2 番目に蔓延している神経変性疾患であ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Innovative Speech-Based Deep Learning Approaches for Parkinson’s Disease Classification: A Systematic Review はコメントを受け付けていません

Enhancing Code-Switching Speech Recognition with LID-Based Collaborative Mixture of Experts Model

投稿日: 2024年9月6日 作成者: jarxiv

要約 異なる言語間の音声の類似性をモデル化することは本質的に難しいため、コードス … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Enhancing Code-Switching Speech Recognition with LID-Based Collaborative Mixture of Experts Model はコメントを受け付けていません

LAST: Language Model Aware Speech Tokenization

投稿日: 2024年9月6日 作成者: jarxiv

要約 音声トークン化は音声言語モデル (LM) の基礎として機能し、音声言語モデ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | LAST: Language Model Aware Speech Tokenization はコメントを受け付けていません