「cs.SD」カテゴリーアーカイブ

Improving Mandarin Prosodic Structure Prediction with Multi-level Contextual Information

投稿日: 2023年9月1日 作成者: jarxiv

要約 テキスト音声合成 (TTS) 合成では、韻律構造予測 (PSP) が自然で … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Improving Mandarin Prosodic Structure Prediction with Multi-level Contextual Information はコメントを受け付けていません

Towards Spontaneous Style Modeling with Semi-supervised Pre-training for Conversational Text-to-Speech Synthesis

投稿日: 2023年9月1日 作成者: jarxiv

要約 会話中に自然発生的な動作が頻繁に発生するため、読み上げ形式に比べて話し言葉 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Towards Spontaneous Style Modeling with Semi-supervised Pre-training for Conversational Text-to-Speech Synthesis はコメントを受け付けていません

SpeechTokenizer: Unified Speech Tokenizer for Speech Large Language Models

投稿日: 2023年9月1日 作成者: jarxiv

要約 現在の音声大規模言語モデルは、意味論的トークンと音響トークンに分類できる離 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SpeechTokenizer: Unified Speech Tokenizer for Speech Large Language Models はコメントを受け付けていません

Towards Improving the Expressiveness of Singing Voice Synthesis with BERT Derived Semantic Information

投稿日: 2023年9月1日 作成者: jarxiv

要約 本稿では、合成された歌声の表現力を向上させるために、Transformer … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Towards Improving the Expressiveness of Singing Voice Synthesis with BERT Derived Semantic Information はコメントを受け付けていません

ReZero: Region-customizable Sound Extraction

投稿日: 2023年9月1日 作成者: jarxiv

要約 マルチチャネル領域ごとのサウンド抽出 (R-SE) タスク用の一般的で柔軟 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | ReZero: Region-customizable Sound Extraction はコメントを受け付けていません

Diffiner: A Versatile Diffusion-based Generative Refiner for Speech Enhancement

投稿日: 2023年8月31日 作成者: jarxiv

要約 ディープ ニューラル ネットワーク (DNN) ベースの音声強調 (SE) … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Diffiner: A Versatile Diffusion-based Generative Refiner for Speech Enhancement はコメントを受け付けていません

LLaSM: Large Language and Speech Model

投稿日: 2023年8月31日 作成者: jarxiv

要約 マルチモーダル大規模言語モデルは、最近大きな関心を集めています。 ただし、 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | LLaSM: Large Language and Speech Model はコメントを受け付けていません

What You Hear Is What You See: Audio Quality Metrics From Image Quality Metrics

投稿日: 2023年8月31日 作成者: jarxiv

要約 この研究では、オーディオ信号をスペクトログラムとして表すことにより、オーデ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | What You Hear Is What You See: Audio Quality Metrics From Image Quality Metrics はコメントを受け付けていません

a unified front-end framework for english text-to-speech synthesis

投稿日: 2023年8月30日 作成者: jarxiv

要約 フロントエンドは英語音声合成 (TTS) システムの重要なコンポーネントで … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | a unified front-end framework for english text-to-speech synthesis はコメントを受け付けていません

Killing two birds with one stone: Can an audio captioning system also be used for audio-text retrieval?

投稿日: 2023年8月30日 作成者: jarxiv

要約 自動音声キャプション (AAC) は、テキスト文を使用して音声録音を説明で … 続きを読む →

カテゴリー: cs.CL, cs.IR, cs.SD, eess.AS | Killing two birds with one stone: Can an audio captioning system also be used for audio-text retrieval? はコメントを受け付けていません