「cs.SD」カテゴリーアーカイブ

AVSegFormer: Audio-Visual Segmentation with Transformer

投稿日: 2023年7月6日 作成者: jarxiv

要約 オーディオとビジョンの組み合わせは、マルチモーダル コミュニティで長い間注 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | AVSegFormer: Audio-Visual Segmentation with Transformer はコメントを受け付けていません

An End-to-End Multi-Module Audio Deepfake Generation System for ADD Challenge 2023

投稿日: 2023年7月5日 作成者: jarxiv

要約 合成音声生成のタスクは、指定されたテキストから言語コンテンツを生成し、人間 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | An End-to-End Multi-Module Audio Deepfake Generation System for ADD Challenge 2023 はコメントを受け付けていません

Multilingual Contextual Adapters To Improve Custom Word Recognition In Low-resource Languages

投稿日: 2023年7月5日 作成者: jarxiv

要約 コネクショニスト時間分類 (CTC) モデルは、自動音声認識 (ASR) … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Multilingual Contextual Adapters To Improve Custom Word Recognition In Low-resource Languages はコメントを受け付けていません

AVSegFormer: Audio-Visual Segmentation with Transformer

投稿日: 2023年7月5日 作成者: jarxiv

要約 オーディオとビジョンの組み合わせは、マルチモーダル コミュニティで長い間注 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | AVSegFormer: Audio-Visual Segmentation with Transformer はコメントを受け付けていません

Language-agnostic Code-Switching in Sequence-To-Sequence Speech Recognition

投稿日: 2023年7月4日 作成者: jarxiv

要約 コードスイッチング（CS）とは、異なる言語の単語やフレーズを交互に使用する … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Language-agnostic Code-Switching in Sequence-To-Sequence Speech Recognition はコメントを受け付けていません

Beyond Neural-on-Neural Approaches to Speaker Gender Protection

投稿日: 2023年7月3日 作成者: jarxiv

要約 最近の研究では、性別推論攻撃を防御するために音声を変更するアプローチが提案 … 続きを読む →

カテゴリー: cs.CL, cs.CR, cs.LG, cs.SD, eess.AS | Beyond Neural-on-Neural Approaches to Speaker Gender Protection はコメントを受け付けていません

Towards Improving the Performance of Pre-Trained Speech Models for Low-Resource Languages Through Lateral Inhibition

投稿日: 2023年7月3日 作成者: jarxiv

要約 自然言語処理における Transformer モデルからの双方向エンコーダ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Towards Improving the Performance of Pre-Trained Speech Models for Low-Resource Languages Through Lateral Inhibition はコメントを受け付けていません

Empirical Interpretation of the Relationship Between Speech Acoustic Context and Emotion Recognition

投稿日: 2023年7月3日 作成者: jarxiv

要約 音声感情認識 (SER) は、心の知能指数を取得し、音声の文脈上の意味を理 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Empirical Interpretation of the Relationship Between Speech Acoustic Context and Emotion Recognition はコメントを受け付けていません

Automatic Speech Recognition of Non-Native Child Speech for Language Learning Applications

投稿日: 2023年6月30日 作成者: jarxiv

要約 ボイスボットは、特に第二言語学習の文脈において、言語スキルの発達をサポート … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Automatic Speech Recognition of Non-Native Child Speech for Language Learning Applications はコメントを受け付けていません

MooseNet: A Trainable Metric for Synthesized Speech with a PLDA Module

投稿日: 2023年6月30日 作成者: jarxiv

要約 私たちは、聞き手の平均意見スコア (MOS) を予測する訓練可能な音声指標 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | MooseNet: A Trainable Metric for Synthesized Speech with a PLDA Module はコメントを受け付けていません