-
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
UniverSLU: Universal Spoken Language Understanding for Diverse Classification and Sequence Generation Tasks with a Single Network
要約 最近の研究では、マルチタスク機能を備えた大規模な言語モデルを採用することで … 続きを読む
Zero Resource Code-switched Speech Benchmark Using Speech Utterance Pairs For Multiple Spoken Languages
要約 自己監視型音声エンコーダのコードスイッチング機能を直接評価するために設計さ … 続きを読む
Preserving Phonemic Distinctions for Ordinal Regression: A Novel Loss Function for Automatic Pronunciation Assessment
要約 自動発音評価 (APA) は、ある言語における第 2 言語 (L2) 学習 … 続きを読む
Vocos: Closing the gap between time-domain and Fourier-based neural vocoders for high-quality audio synthesis
要約 最近のニューラル・ヴォコーディングの進歩は、主に時間領域で動作するGene … 続きを読む
Preserving Phonemic Distinctions for Ordinal Regression: A Novel Loss Function for Automatic Pronunciation Assessment
要約 自動発音評価(APA)は、ある言語の第二言語(L2)学習者の発音習熟度を定 … 続きを読む
A Large-scale Dataset for Audio-Language Representation Learning
要約 AIコミュニティは、大規模なマルチモーダルデータセットに後押しされ、強力な … 続きを読む
Reproducing Whisper-Style Training Using an Open-Source Toolkit and Publicly Available Data
要約 大量のデータを使用した音声モデルの事前トレーニングは、目覚ましい成功を収め … 続きを読む
On decoder-only architecture for speech-to-text and large language model integration
要約 大規模言語モデル (LLM) は、自然言語処理の分野で目覚ましい成功を収め … 続きを読む
Token-Level Serialized Output Training for Joint Streaming ASR and ST Leveraging Textual Alignments
要約 実際のアプリケーションでは、特に増分生成が必要なストリーミング シナリオで … 続きを読む
Masked Autoencoders with Multi-Window Local-Global Attention Are Better Audio Learners
要約 この研究では、新しいマルチウィンドウ マルチヘッド アテンション (MW- … 続きを読む