「cs.SD」カテゴリーアーカイブ

Improving Speech Emotion Recognition in Under-Resourced Languages via Speech-to-Speech Translation with Bootstrapping Data Selection

投稿日: 2025年1月8日 作成者: jarxiv

要約 音声感情認識 (SER) は、人間とコンピューターの自然な対話が可能な汎用 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Improving Speech Emotion Recognition in Under-Resourced Languages via Speech-to-Speech Translation with Bootstrapping Data Selection はコメントを受け付けていません

The Faetar Benchmark: Speech Recognition in a Very Under-Resourced Language

投稿日: 2025年1月8日 作成者: jarxiv

要約 Faetar 自動音声認識ベンチマークを紹介します。これは、低リソースの音 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | The Faetar Benchmark: Speech Recognition in a Very Under-Resourced Language はコメントを受け付けていません

Apollo: Band-sequence Modeling for High-Quality Audio Restoration

投稿日: 2025年1月8日 作成者: jarxiv

要約 現代社会においてオーディオ復元の重要性はますます高まっています。これは、高 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Apollo: Band-sequence Modeling for High-Quality Audio Restoration はコメントを受け付けていません

Piano Transcription by Hierarchical Language Modeling with Pretrained Roll-based Encoders

投稿日: 2025年1月8日 作成者: jarxiv

要約 生のオーディオから音符を取得することを目的とした自動音楽転写 (AMT) … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Piano Transcription by Hierarchical Language Modeling with Pretrained Roll-based Encoders はコメントを受け付けていません

Samba-ASR: State-Of-The-Art Speech Recognition Leveraging Structured State-Space Models

投稿日: 2025年1月8日 作成者: jarxiv

要約 私たちは、状態空間モデル (SSM) の基礎に基づいて構築された、新しい … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Samba-ASR: State-Of-The-Art Speech Recognition Leveraging Structured State-Space Models はコメントを受け付けていません

Noise-Robust Target-Speaker Voice Activity Detection Through Self-Supervised Pretraining

投稿日: 2025年1月7日 作成者: jarxiv

要約 ターゲット話者の音声アクティビティ検出 (TS-VAD) は、オーディオ … 続きを読む →

カテゴリー: 68T10, cs.LG, cs.SD, eess.AS, I.2.6 | Noise-Robust Target-Speaker Voice Activity Detection Through Self-Supervised Pretraining はコメントを受け付けていません

Samba-asr state-of-the-art speech recognition leveraging structured state-space models

投稿日: 2025年1月7日 作成者: jarxiv

要約 私たちは、状態空間モデル (SSM) の基盤上に構築された、エンコーダーと … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Samba-asr state-of-the-art speech recognition leveraging structured state-space models はコメントを受け付けていません

Piano Transcription by Hierarchical Language Modeling with Pretrained Roll-based Encoders

投稿日: 2025年1月7日 作成者: jarxiv

要約 生のオーディオから音符を取得することを目的とした自動音楽転写 (AMT) … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Piano Transcription by Hierarchical Language Modeling with Pretrained Roll-based Encoders はコメントを受け付けていません

OmniFlatten: An End-to-end GPT Model for Seamless Voice Conversation

投稿日: 2025年1月6日 作成者: jarxiv

要約 全二重音声対話システムは、従来のターンベースの対話システムを大幅に凌駕して … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | OmniFlatten: An End-to-end GPT Model for Seamless Voice Conversation はコメントを受け付けていません

Disentangling Speakers in Multi-Talker Speech Recognition with Speaker-Aware CTC

投稿日: 2025年1月6日 作成者: jarxiv

要約 複数話者による音声認識（MTASR）は、重複音声の分離と書き起こしにおいて … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Disentangling Speakers in Multi-Talker Speech Recognition with Speaker-Aware CTC はコメントを受け付けていません