-
最近の投稿
- Enhancing Efficiency in Multidevice Federated Learning through Data Selection
- RadarTrack: Enhancing Ego-Vehicle Speed Estimation with Single-chip mmWave Radar
- HOPE: A Reinforcement Learning-based Hybrid Policy Path Planner for Diverse Parking Scenarios
- From Imitation to Exploration: End-to-end Autonomous Driving based on World Model
- LLM-Enabled In-Context Learning for Data Collection Scheduling in UAV-assisted Sensor Networks
-
最近のコメント
表示できるコメントはありません。 cs.AI (36903) cs.CL (27936) cs.CV (42678) cs.HC (2822) cs.LG (41843) cs.RO (21845) cs.SY (3324) eess.IV (4979) eess.SY (3316) stat.ML (5475)
「cs.SD」カテゴリーアーカイブ
Meta Audiobox Aesthetics: Unified Automatic Quality Assessment for Speech, Music, and Sound
要約 オーディオ美学の定量化は、主にその主観的な性質のために、人間の認識と文化的 … 続きを読む
Evaluating Standard and Dialectal Frisian ASR: Multilingual Fine-tuning and Language Identification for Improved Low-resource Performance
要約 低リソース言語の自動音声認識（ASR）パフォーマンスは、十分なラベル付きデ … 続きを読む
Latent Swap Joint Diffusion for Long-Form Audio Generation
要約 グローバルビューの拡散または反復生成を使用した長期のオーディオ生成に関する … 続きを読む
Llasa: Scaling Train-Time and Inference-Time Compute for Llama-based Speech Synthesis
要約 特にGPTシリーズとO1モデルで、テキストベースの大手言語モデル（LLMS … 続きを読む
XAttnMark: Learning Robust Audio Watermarking with Cross-Attention
要約 生成オーディオ合成と編集技術の急速な増殖は、著作権侵害、データの起源、およ … 続きを読む
Ola: Pushing the Frontiers of Omni-Modal Language Model with Progressive Modality Alignment
要約 特にGPT-4Oに続く大規模な言語モデルの最近の進歩により、より多くのモダ … 続きを読む
Prepending or Cross-Attention for Speech-to-Text? An Empirical Comparison
要約 NLPタスクでの大規模な言語モデル（LLMS）の顕著な成功に続いて、最も一 … 続きを読む
High-Fidelity Simultaneous Speech-To-Speech Translation
要約 同時音声翻訳のためのデコーダーのみのモデルであるHibikiを紹介します。 … 続きを読む
Sound Judgment: Properties of Consequential Sounds Affecting Human-Perception of Robots
要約 ロボットを共有環境で持続的に使用するためには、ロボットに対する人間の肯定的 … 続きを読む
Potential Applications of Artificial Intelligence for Cross-language Intelligibility Assessment of Dysarthric Speech
要約 目的：本解説では、構音障害音声の言語横断的な明瞭度評価を進めるために、人工 … 続きを読む