「cs.SD」カテゴリーアーカイブ

Improving Sound Source Localization with Joint Slot Attention on Image and Audio

投稿日: 2025年4月22日 作成者: jarxiv

要約 サウンドソースのローカリゼーション（SSL）は、画像内の音源を見つけるタス … 続きを読む →

カテゴリー: cs.CV, cs.SD | Improving Sound Source Localization with Joint Slot Attention on Image and Audio はコメントを受け付けていません

Collective Learning Mechanism based Optimal Transport Generative Adversarial Network for Non-parallel Voice Conversion

投稿日: 2025年4月21日 作成者: jarxiv

要約 画像合成に大きな成功を示した後、生成敵対的ネットワーク（GAN）モデルは同 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Collective Learning Mechanism based Optimal Transport Generative Adversarial Network for Non-parallel Voice Conversion はコメントを受け付けていません

A Multi-task Learning Balanced Attention Convolutional Neural Network Model for Few-shot Underwater Acoustic Target Recognition

投稿日: 2025年4月18日 作成者: jarxiv

要約 水中音響ターゲット認識（UATR）は、海洋の多様性と国防の安全を保護するた … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | A Multi-task Learning Balanced Attention Convolutional Neural Network Model for Few-shot Underwater Acoustic Target Recognition はコメントを受け付けていません

Dysarthria Normalization via Local Lie Group Transformations for Robust ASR

投稿日: 2025年4月17日 作成者: jarxiv

要約 スペクトログラムのローカルリーグループ変換を使用して、ダイサルトリック音声 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Dysarthria Normalization via Local Lie Group Transformations for Robust ASR はコメントを受け付けていません

Taming Data and Transformers for Audio Generation

投稿日: 2025年4月17日 作成者: jarxiv

要約 アンビエントサウンドジェネレーターのスケーラビリティは、データ不足、キャプ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM, cs.SD, eess.AS | Taming Data and Transformers for Audio Generation はコメントを受け付けていません

SpoofCeleb: Speech Deepfake Detection and SASV In The Wild

投稿日: 2025年4月16日 作成者: jarxiv

要約 このペーパーでは、音声ディープファーク検出（SDD）およびスプーフィングの … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | SpoofCeleb: Speech Deepfake Detection and SASV In The Wild はコメントを受け付けていません

EchoMask: Speech-Queried Attention-based Mask Modeling for Holistic Co-Speech Motion Generation

投稿日: 2025年4月16日 作成者: jarxiv

要約 マスクされたモデリングフレームワークは、共和声モーション生成に有望を示して … 続きを読む →

カテゴリー: cs.CV, cs.GR, cs.SD | EchoMask: Speech-Queried Attention-based Mask Modeling for Holistic Co-Speech Motion Generation はコメントを受け付けていません

AutoStyle-TTS: Retrieval-Augmented Generation based Automatic Style Matching Text-to-Speech Synthesis

投稿日: 2025年4月15日 作成者: jarxiv

要約 音声合成技術の進歩により、ユーザーは合成された音声の自然性と表現力に対する … 続きを読む →

カテゴリー: cs.AI, cs.SD | AutoStyle-TTS: Retrieval-Augmented Generation based Automatic Style Matching Text-to-Speech Synthesis はコメントを受け付けていません

Generalized Multilingual Text-to-Speech Generation with Language-Aware Style Adaptation

投稿日: 2025年4月14日 作成者: jarxiv

要約 テキストツースピーチ（TTS）モデルは、音素を波形に変換することにより、複 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Generalized Multilingual Text-to-Speech Generation with Language-Aware Style Adaptation はコメントを受け付けていません

On The Landscape of Spoken Language Models: A Comprehensive Survey

投稿日: 2025年4月14日 作成者: jarxiv

要約 音声言語処理の分野は、普遍的な音声処理システムとして機能するカスタム構築の … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | On The Landscape of Spoken Language Models: A Comprehensive Survey はコメントを受け付けていません