「cs.SD」カテゴリーアーカイブ

Audiovisual Masked Autoencoders

投稿日: 2024年1月5日 作成者: jarxiv

要約 自己教師付き表現学習を改善するために、ビデオに既に存在する視聴覚情報を活用 … 続きを読む →

カテゴリー: cs.CV, cs.SD | Audiovisual Masked Autoencoders はコメントを受け付けていません

Adversarial Representation Learning for Robust Privacy Preservation in Audio

投稿日: 2024年1月4日 作成者: jarxiv

要約 音イベント検出システムは、監視や環境モニタリングなどの様々なアプリケーショ … 続きを読む →

カテゴリー: cs.CR, cs.LG, cs.SD, eess.AS | Adversarial Representation Learning for Robust Privacy Preservation in Audio はコメントを受け付けていません

Utilizing Neural Transducers for Two-Stage Text-to-Speech via Semantic Token Prediction

投稿日: 2024年1月4日 作成者: jarxiv

要約 我々は、ニューラル変換器を中心とした新しいテキスト音声合成（TTS）フレー … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Utilizing Neural Transducers for Two-Stage Text-to-Speech via Semantic Token Prediction はコメントを受け付けていません

Hallucinations in Neural Automatic Speech Recognition: Identifying Errors and Hallucinatory Models

投稿日: 2024年1月4日 作成者: jarxiv

要約 幻覚は、ディープ・ニューラル・ネットワークが生み出す出力エラーの一種である … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Hallucinations in Neural Automatic Speech Recognition: Identifying Errors and Hallucinatory Models はコメントを受け付けていません

Incremental FastPitch: Chunk-based High Quality Text to Speech

投稿日: 2024年1月4日 作成者: jarxiv

要約 並列音声合成モデルはリアルタイム音声合成に広く適用されており、従来の自動回 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Incremental FastPitch: Chunk-based High Quality Text to Speech はコメントを受け付けていません

CoMoSVC: Consistency Model-based Singing Voice Conversion

投稿日: 2024年1月4日 作成者: jarxiv

要約 拡散に基づく歌声変換(SVC)手法は、目標音色に類似した自然な音声を生成し … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | CoMoSVC: Consistency Model-based Singing Voice Conversion はコメントを受け付けていません

HAAQI-Net: A non-intrusive neural music quality assessment model for hearing aids

投稿日: 2024年1月3日 作成者: jarxiv

要約 この文書では、補聴器ユーザーに合わせた音楽品質評価のための非侵入型ディープ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | HAAQI-Net: A non-intrusive neural music quality assessment model for hearing aids はコメントを受け付けていません

OpenVoice: Versatile Instant Voice Cloning

投稿日: 2024年1月3日 作成者: jarxiv

要約 OpenVoice を紹介します。OpenVoice は、基準話者の音声を … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | OpenVoice: Versatile Instant Voice Cloning はコメントを受け付けていません

Auffusion: Leveraging the Power of Diffusion and Large Language Models for Text-to-Audio Generation

投稿日: 2024年1月3日 作成者: jarxiv

要約 拡散モデルと大規模言語モデル (LLM) の最近の進歩により、AIGC の … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Auffusion: Leveraging the Power of Diffusion and Large Language Models for Text-to-Audio Generation はコメントを受け付けていません

StyleSinger: Style Transfer for Out-of-Domain Singing Voice Synthesis

投稿日: 2024年1月3日 作成者: jarxiv

要約 ドメイン外 (OOD) 歌声合成 (SVS) のためのスタイル転送は、リフ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | StyleSinger: Style Transfer for Out-of-Domain Singing Voice Synthesis はコメントを受け付けていません