-
最近の投稿
- A Hierarchical Reinforcement Learning Framework for Multi-UAV Combat Using Leader-Follower Strategy
- A 65 nm Bayesian Neural Network Accelerator with 360 fJ/Sample In-Word GRNG for AI Uncertainty Estimation
- Map Prediction and Generative Entropy for Multi-Agent Exploration
- Polyhedral Collision Detection via Vertex Enumeration
- Safe and Efficient Robot Action Planning in the Presence of Unconcerned Humans
-
最近のコメント
表示できるコメントはありません。 cs.AI (32657) cs.CL (24688) cs.CR (2523) cs.CV (38845) cs.LG (37527) cs.RO (19009) cs.SY (2906) eess.IV (4656) eess.SY (2900) stat.ML (4944)
「cs.SD」カテゴリーアーカイブ
Benchmarking Open-ended Audio Dialogue Understanding for Large Audio-Language Models
要約 Large Audio-Language Model (LALM) にはク … 続きを読む
Missing Melodies: AI Music Generation and its ‘Nearly’ Complete Omission of the Global South
要約 生成 AI の最近の進歩により、音楽生成に対する新たな関心と可能性が広がり … 続きを読む
Representation Purification for End-to-End Speech Translation
要約 音声からテキストへの翻訳 (ST) は、音声言語を別の言語のテキストに変換 … 続きを読む
CA-SSLR: Condition-Aware Self-Supervised Learning Representation for Generalized Speech Processing
要約 さまざまな音声処理タスクに広く適用できる汎用条件付けモデルである、Cond … 続きを読む
WaveletGPT: Wavelets Meet Large Language Models
要約 大規模言語モデル (LLM) は、あらゆる科学分野と専門分野に影響を与える … 続きを読む
Dialectal Coverage And Generalization in Arabic Speech Recognition
要約 豊かな方言多様性を特徴とし、音声技術においてリソースが少ない言語とみなされ … 続きを読む
DiffStyleTTS: Diffusion-based Hierarchical Prosody Modeling for Text-to-Speech with Diverse and Controllable Styles
要約 人間の音声は豊かで柔軟な韻律のバリエーションを示します。 合理的かつ柔軟な … 続きを読む
SINGER: Vivid Audio-driven Singing Video Generation with Multi-scale Spectral Diffusion Model
要約 生成モデルの最近の進歩により、話し顔ビデオの生成は大幅に強化されましたが、 … 続きを読む
GLM-4-Voice: Towards Intelligent and Human-Like End-to-End Spoken Chatbot
要約 GLM-4-Voiceを紹介します。GLM-4-Voiceは、インテリジェ … 続きを読む