「cs.SD」カテゴリーアーカイブ

MusiLingo: Bridging Music and Text with Pre-trained Language Models for Music Captioning and Query Response

投稿日: 2024年4月3日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、マルチモーダルなアプリケーションにおいて … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.MM, cs.SD, eess.AS | MusiLingo: Bridging Music and Text with Pre-trained Language Models for Music Captioning and Query Response はコメントを受け付けていません

SPMamba: State-space model is all you need in speech separation

投稿日: 2024年4月3日 作成者: jarxiv

要約 音声分離では、CNN ベースのモデルと Transformer ベースのモ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | SPMamba: State-space model is all you need in speech separation はコメントを受け付けていません

MuChin: A Chinese Colloquial Description Benchmark for Evaluating Language Models in the Field of Music

投稿日: 2024年4月3日 作成者: jarxiv

要約 急速に進化するマルチモーダル大規模言語モデル (LLM) では、音楽の理解 … 続きを読む →

カテゴリー: 68Txx(Primary)14F05, 91Fxx(Secondary), cs.AI, cs.MM, cs.SD, eess.AS, I.2.7 | MuChin: A Chinese Colloquial Description Benchmark for Evaluating Language Models in the Field of Music はコメントを受け付けていません

Joint Multimodal Transformer for Emotion Recognition in the Wild

投稿日: 2024年4月3日 作成者: jarxiv

要約 マルチモーダル感情認識 (MMER) のシステムは、通常、視覚、テキスト、 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Joint Multimodal Transformer for Emotion Recognition in the Wild はコメントを受け付けていません

TelME: Teacher-leading Multimodal Fusion Network for Emotion Recognition in Conversation

投稿日: 2024年4月2日 作成者: jarxiv

要約 会話中の感情認識 (ERC) は、対話システムがユーザーの要求に効果的に応 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | TelME: Teacher-leading Multimodal Fusion Network for Emotion Recognition in Conversation はコメントを受け付けていません

Voice Signal Processing for Machine Learning. The Case of Speaker Isolation

投稿日: 2024年4月1日 作成者: jarxiv

要約 自動音声アシスタントの普及とその他の最近の技術開発により、特に音声信号や人 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Voice Signal Processing for Machine Learning. The Case of Speaker Isolation はコメントを受け付けていません

Exploring Pathological Speech Quality Assessment with ASR-Powered Wav2Vec2 in Data-Scarce Context

投稿日: 2024年4月1日 作成者: jarxiv

要約 自動音声品質評価は、従来の知覚的臨床評価の代替またはサポートとしてさらに注 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Exploring Pathological Speech Quality Assessment with ASR-Powered Wav2Vec2 in Data-Scarce Context はコメントを受け付けていません

Emotion-Anchored Contrastive Learning Framework for Emotion Recognition in Conversation

投稿日: 2024年4月1日 作成者: jarxiv

要約 会話中の感情認識 (ERC) には、会話内の各発話の背後にある根底にある感 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Emotion-Anchored Contrastive Learning Framework for Emotion Recognition in Conversation はコメントを受け付けていません

Phonetic Segmentation of the UCLA Phonetics Lab Archive

投稿日: 2024年3月29日 作成者: jarxiv

要約 音声技術と比較言語学の研究は、多様でアクセス可能な音声データへのアクセスに … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Phonetic Segmentation of the UCLA Phonetics Lab Archive はコメントを受け付けていません

Asymmetric and trial-dependent modeling: the contribution of LIA to SdSV Challenge Task 2

投稿日: 2024年3月29日 作成者: jarxiv

要約 SdSv チャレンジのタスク 2 は、最新のテキストに依存しない話者検証シ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Asymmetric and trial-dependent modeling: the contribution of LIA to SdSV Challenge Task 2 はコメントを受け付けていません