「cs.SD」カテゴリーアーカイブ

Mini-Omni: Language Models Can Hear, Talk While Thinking in Streaming

投稿日: 2024年8月30日 作成者: jarxiv

要約 言語モデルの最近の進歩は大幅な進歩を遂げています。 GPT-4o は新たな … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.HC, cs.LG, cs.SD, eess.AS | Mini-Omni: Language Models Can Hear, Talk While Thinking in Streaming はコメントを受け付けていません

Easy, Interpretable, Effective: openSMILE for voice deepfake detection

投稿日: 2024年8月30日 作成者: jarxiv

要約 この論文では、音声の信頼性とディープフェイク検出の分野における事実上の標準 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Easy, Interpretable, Effective: openSMILE for voice deepfake detection はコメントを受け付けていません

Multi-modal Adversarial Training for Zero-Shot Voice Cloning

投稿日: 2024年8月29日 作成者: jarxiv

要約 与えられたテキストから音声を再構築するようにトレーニングされたテキスト読み … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Multi-modal Adversarial Training for Zero-Shot Voice Cloning はコメントを受け付けていません

SimpleSpeech 2: Towards Simple and Efficient Text-to-Speech with Flow-based Scalar Latent Transformer Diffusion Models

投稿日: 2024年8月29日 作成者: jarxiv

要約 Text-to-speech (TTS) を大規模なデータセットにスケーリ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SimpleSpeech 2: Towards Simple and Efficient Text-to-Speech with Flow-based Scalar Latent Transformer Diffusion Models はコメントを受け付けていません

Beyond Levenshtein: Leveraging Multiple Algorithms for Robust Word Error Rate Computations And Granular Error Classifications

投稿日: 2024年8月29日 作成者: jarxiv

要約 単語誤り率 (WER) は、自動音声認識 (ASR) の精度の一般的な尺度 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS, I.2.7 | Beyond Levenshtein: Leveraging Multiple Algorithms for Robust Word Error Rate Computations And Granular Error Classifications はコメントを受け付けていません

Easy, Interpretable, Effective: openSMILE for voice deepfake detection

投稿日: 2024年8月29日 作成者: jarxiv

要約 この論文では、音声の信頼性とディープフェイク検出の分野における事実上の標準 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Easy, Interpretable, Effective: openSMILE for voice deepfake detection はコメントを受け付けていません

ModalityMirror: Improving Audio Classification in Modality Heterogeneity Federated Learning with Multimodal Distillation

投稿日: 2024年8月29日 作成者: jarxiv

要約 マルチモーダル Federated Learning では、クライアント … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | ModalityMirror: Improving Audio Classification in Modality Heterogeneity Federated Learning with Multimodal Distillation はコメントを受け付けていません

Proceedings of The second international workshop on eXplainable AI for the Arts (XAIxArts)

投稿日: 2024年8月29日 作成者: jarxiv

要約 Explainable AI for the Arts (XAIxArts … 続きを読む →

カテゴリー: cs.AI, cs.HC, cs.MM, cs.SD, eess.AS | Proceedings of The second international workshop on eXplainable AI for the Arts (XAIxArts) はコメントを受け付けていません

A Functional Trade-off between Prosodic and Semantic Cues in Conveying Sarcasm

投稿日: 2024年8月28日 作成者: jarxiv

要約 この研究では、皮肉の音響的特徴を調査し、皮肉として使用される発話の傾向と皮 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | A Functional Trade-off between Prosodic and Semantic Cues in Conveying Sarcasm はコメントを受け付けていません

Speech Recognition Transformers: Topological-lingualism Perspective

投稿日: 2024年8月28日 作成者: jarxiv

要約 トランスフォーマーは、さまざまな人工知能タスクにおいて大きな成功を収めなが … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Speech Recognition Transformers: Topological-lingualism Perspective はコメントを受け付けていません