「cs.SD」カテゴリーアーカイブ

Say Goodbye to RNN-T Loss: A Novel CIF-based Transducer Architecture for Automatic Speech Recognition

投稿日: 2023年7月27日 作成者: jarxiv

要約 RNN-T モデルは ASR で広く使用されており、RNN-T 損失に依存 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Say Goodbye to RNN-T Loss: A Novel CIF-based Transducer Architecture for Automatic Speech Recognition はコメントを受け付けていません

WavJourney: Compositional Audio Creation with Large Language Models

投稿日: 2023年7月27日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、複雑な言語と視覚のタスクに取り組むために … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | WavJourney: Compositional Audio Creation with Large Language Models はコメントを受け付けていません

Adversarial Agents For Attacking Inaudible Voice Activated Devices

投稿日: 2023年7月26日 作成者: jarxiv

要約 この論文では、強化学習を新しいモノのインターネット構成に適用しています。 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Adversarial Agents For Attacking Inaudible Voice Activated Devices はコメントを受け付けていません

Estimating speaker direction on a humanoid robot with binaural acoustic signals

投稿日: 2023年7月25日 作成者: jarxiv

要約 音声対話中に人間のような動作を実現するには、人型ロボットが人間の話者の位置 … 続きを読む →

カテゴリー: cs.RO, cs.SD, eess.AS | Estimating speaker direction on a humanoid robot with binaural acoustic signals はコメントを受け付けていません

Robust Automatic Speech Recognition via WavAugment Guided Phoneme Adversarial Training

投稿日: 2023年7月25日 作成者: jarxiv

要約 モデルはクリーンなサンプルで元のパフォーマンスを維持するだけでなく、小さな … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Robust Automatic Speech Recognition via WavAugment Guided Phoneme Adversarial Training はコメントを受け付けていません

A Model for Every User and Budget: Label-Free and Personalized Mixed-Precision Quantization

投稿日: 2023年7月25日 作成者: jarxiv

要約 自動音声認識 (ASR) の最近の進歩により、大規模な AI モデルが生成 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | A Model for Every User and Budget: Label-Free and Personalized Mixed-Precision Quantization はコメントを受け付けていません

Code-Switched Urdu ASR for Noisy Telephonic Environment using Data Centric Approach with Hybrid HMM and CNN-TDNN

投稿日: 2023年7月25日 作成者: jarxiv

要約 コールセンターには、ビジネス上の貴重な洞察を得るために使用できる膨大な量の … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Code-Switched Urdu ASR for Noisy Telephonic Environment using Data Centric Approach with Hybrid HMM and CNN-TDNN はコメントを受け付けていません

A Change of Heart: Improving Speech Emotion Recognition through Speech-to-Text Modality Conversion

投稿日: 2023年7月24日 作成者: jarxiv

要約 音声感情認識 (SER) は困難なタスクです。 この論文では、MELD デ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | A Change of Heart: Improving Speech Emotion Recognition through Speech-to-Text Modality Conversion はコメントを受け付けていません

A Review of Machine Learning Methods Applied to Structural Dynamics and Vibroacoustic

投稿日: 2023年7月21日 作成者: jarxiv

要約 機械学習 (ML) の使用はいくつかの分野に急速に広がり、構造力学と振動音 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | A Review of Machine Learning Methods Applied to Structural Dynamics and Vibroacoustic はコメントを受け付けていません

Globally Normalising the Transducer for Streaming Speech Recognition

投稿日: 2023年7月21日 作成者: jarxiv

要約 トランスデューサ (RNN トランスデューサやコンフォーマ トランスデュー … 続きを読む →

カテゴリー: 68T10, cs.LG, cs.SD, eess.AS | Globally Normalising the Transducer for Streaming Speech Recognition はコメントを受け付けていません