-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
「cs.SD」カテゴリーアーカイブ
StyleTTS 2: Towards Human-Level Text-to-Speech through Style Diffusion and Adversarial Training with Large Speech Language Models
要約 この論文では、スタイルの拡散と大規模音声言語モデル (SLM) による敵対 … 続きを読む
StyleTTS: A Style-Based Generative Model for Natural and Diverse Text-to-Speech Synthesis
要約 Text-to-Speech (TTS) は、並列 TTS システムの急速 … 続きを読む
Encoding Speaker-Specific Latent Speech Feature for Speech Synthesis
要約 この研究では、多数の話者をモデル化するための新しい方法を提案します。これに … 続きを読む
The Song Describer Dataset: a Corpus of Audio Captions for Music-and-Language Evaluation
要約 音楽と言語のモデルを評価するために設計された、高品質のオーディオとキャプシ … 続きを読む
The Song Describer Dataset: a Corpus of Audio Captions for Music-and-Language Evaluation
要約 音楽と言語のモデルを評価するために設計された、高品質のオーディオとキャプシ … 続きを読む
R-Spin: Efficient Speaker and Noise-invariant Representation Learning with Acoustic Pieces
要約 この論文では、話者不変クラスタリング (Spin) を使用して離散音響単位 … 続きを読む
Can MusicGen Create Training Data for MIR Tasks?
要約 私たちは、AI ベースの音楽生成システムを使用して音楽情報検索 (MIR) … 続きを読む
Open-vocabulary keyword spotting in any language through multilingual contrastive speech-phoneme pretraining
要約 この論文では、多様な言語族の 115 以上の言語を網羅する、きめ細かい音素 … 続きを読む
Retrieve and Copy: Scaling ASR Personalization to Large Catalogs
要約 自動音声認識 (ASR) モデルのパーソナライゼーションは、多くの実用的な … 続きを読む