「cs.SD」カテゴリーアーカイブ

AV-RIR: Audio-Visual Room Impulse Response Estimation

投稿日: 2024年4月25日 作成者: jarxiv

要約 環境の音響特性を捉える室内インパルス応答 (RIR) の正確な推定は、音声 … 続きを読む →

カテゴリー: cs.CV, cs.SD | AV-RIR: Audio-Visual Room Impulse Response Estimation はコメントを受け付けていません

Voice Passing : a Non-Binary Voice Gender Prediction System for evaluating Transgender voice transition

投稿日: 2024年4月24日 作成者: jarxiv

要約 この論文では、連続音声女性性パーセント (VFP) を使用して音声を記述す … 続きを読む →

カテゴリー: cs.HC, cs.LG, cs.SD, eess.AS | Voice Passing : a Non-Binary Voice Gender Prediction System for evaluating Transgender voice transition はコメントを受け付けていません

NaturalSpeech 3: Zero-Shot Speech Synthesis with Factorized Codec and Diffusion Models

投稿日: 2024年4月24日 作成者: jarxiv

要約 最近の大規模な音声合成 (TTS) モデルは大幅な進歩を遂げていますが、音 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | NaturalSpeech 3: Zero-Shot Speech Synthesis with Factorized Codec and Diffusion Models はコメントを受け付けていません

StoryTTS: A Highly Expressive Text-to-Speech Dataset with Rich Textual Expressiveness Annotations

投稿日: 2024年4月24日 作成者: jarxiv

要約 音響表現力は表現力豊かなテキスト読み上げ (ETTS) において長い間研究 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | StoryTTS: A Highly Expressive Text-to-Speech Dataset with Rich Textual Expressiveness Annotations はコメントを受け付けていません

Robotic Blended Sonification: Consequential Robot Sound as Creative Material for Human-Robot Interaction

投稿日: 2024年4月23日 作成者: jarxiv

要約 ロボット音に関する現在の研究は一般に、ロボットによって生成される結果的な音 … 続きを読む →

カテゴリー: cs.HC, cs.RO, cs.SD, eess.AS | Robotic Blended Sonification: Consequential Robot Sound as Creative Material for Human-Robot Interaction はコメントを受け付けていません

Scoring Intervals using Non-Hierarchical Transformer For Automatic Piano Transcription

投稿日: 2024年4月23日 作成者: jarxiv

要約 ニューラルのセミマルコフ条件付きランダムフィールド（セミCRF）フレームワ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Scoring Intervals using Non-Hierarchical Transformer For Automatic Piano Transcription はコメントを受け付けていません

Africa-Centric Self-Supervised Pre-Training for Multilingual Speech Representation in a Sub-Saharan Context

投稿日: 2024年4月23日 作成者: jarxiv

要約 アフリカの音声のみを対象としてトレーニングされた、最初の自己教師あり多言語 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Africa-Centric Self-Supervised Pre-Training for Multilingual Speech Representation in a Sub-Saharan Context はコメントを受け付けていません

Dynamic Cross Attention for Audio-Visual Person Verification

投稿日: 2024年4月23日 作成者: jarxiv

要約 個人または身元の検証は、主に顔や音声などの個別のモダリティを使用して研究さ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Dynamic Cross Attention for Audio-Visual Person Verification はコメントを受け付けていません

TRNet: Two-level Refinement Network leveraging Speech Enhancement for Noise Robust Speech Emotion Recognition

投稿日: 2024年4月22日 作成者: jarxiv

要約 音声感情認識 (SER) における永続的な課題の 1 つは、遍在する環境ノ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | TRNet: Two-level Refinement Network leveraging Speech Enhancement for Noise Robust Speech Emotion Recognition はコメントを受け付けていません

TIMIT Speaker Profiling: A Comparison of Multi-task learning and Single-task learning Approaches

投稿日: 2024年4月19日 作成者: jarxiv

要約 この研究では、深層学習技術を使用して、TIMIT データセット上の 4 つ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | TIMIT Speaker Profiling: A Comparison of Multi-task learning and Single-task learning Approaches はコメントを受け付けていません