「cs.SD」カテゴリーアーカイブ

The FruitShell French synthesis system at the Blizzard 2023 Challenge

投稿日: 2024年8月21日 作成者: jarxiv

要約 この論文では、Blizzard Challenge 2023 用のフランス … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | The FruitShell French synthesis system at the Blizzard 2023 Challenge はコメントを受け付けていません

Towards Rehearsal-Free Multilingual ASR: A LoRA-based Case Study on Whisper

投稿日: 2024年8月21日 作成者: jarxiv

要約 Whisper のような、事前トレーニングされた多言語音声基礎モデルは、さ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Towards Rehearsal-Free Multilingual ASR: A LoRA-based Case Study on Whisper はコメントを受け付けていません

A Multi-Stream Fusion Approach with One-Class Learning for Audio-Visual Deepfake Detection

投稿日: 2024年8月20日 作成者: jarxiv

要約 この論文では、堅牢なオーディオビジュアルディープフェイク検出モデルを開発す … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | A Multi-Stream Fusion Approach with One-Class Learning for Audio-Visual Deepfake Detection はコメントを受け付けていません

Convert and Speak: Zero-shot Accent Conversion with Minimum Supervision

投稿日: 2024年8月20日 作成者: jarxiv

要約 並列データのリソースが少ないことは、発音単位と韻律パターンの両方を変換する … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Convert and Speak: Zero-shot Accent Conversion with Minimum Supervision はコメントを受け付けていません

Enhancing Partially Spoofed Audio Localization with Boundary-aware Attention Mechanism

投稿日: 2024年8月20日 作成者: jarxiv

要約 部分的にスプーフィングされたオーディオ位置特定のタスクは、フレーム レベル … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Enhancing Partially Spoofed Audio Localization with Boundary-aware Attention Mechanism はコメントを受け付けていません

Advancing Voice Cloning for Nepali: Leveraging Transfer Learning in a Low-Resource Language

投稿日: 2024年8月20日 作成者: jarxiv

要約 音声クローン作成は、パーソナライズされた音声インターフェイスの顕著な機能で … 続きを読む →

カテゴリー: 91F20, cs.AI, cs.LG, cs.SD, eess.AS, I.2.7 | Advancing Voice Cloning for Nepali: Leveraging Transfer Learning in a Low-Resource Language はコメントを受け付けていません

MAT-SED: A Masked Audio Transformer with Masked-Reconstruction Based Pre-training for Sound Event Detection

投稿日: 2024年8月20日 作成者: jarxiv

要約 大規模な事前トレーニング済み Transformer エンコーダ ネットワ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | MAT-SED: A Masked Audio Transformer with Masked-Reconstruction Based Pre-training for Sound Event Detection はコメントを受け付けていません

What Do Language Models Hear? Probing for Auditory Representations in Language Models

投稿日: 2024年8月19日 作成者: jarxiv

要約 この研究では、言語モデルが物体の音の意味のある根拠に基づいた表現をエンコー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | What Do Language Models Hear? Probing for Auditory Representations in Language Models はコメントを受け付けていません

ConcateNet: Dialogue Separation Using Local And Global Feature Concatenation

投稿日: 2024年8月19日 作成者: jarxiv

要約 対話の分離には、映画やテレビ番組などの混合物から対話信号を分離することが含 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | ConcateNet: Dialogue Separation Using Local And Global Feature Concatenation はコメントを受け付けていません

MAT-SED: AMasked Audio Transformer with Masked-Reconstruction Based Pre-training for Sound Event Detection

投稿日: 2024年8月19日 作成者: jarxiv

要約 大規模な事前トレーニング済み Transformer エンコーダ ネットワ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | MAT-SED: AMasked Audio Transformer with Masked-Reconstruction Based Pre-training for Sound Event Detection はコメントを受け付けていません