「cs.SD」カテゴリーアーカイブ

An End-to-End Approach for Korean Wakeword Systems with Speaker Authentication

投稿日: 2025年1月22日 作成者: jarxiv

要約 ウェイクワード検出は、AI アシスタントがユーザーの声を聞き、効果的に対話 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS, I.2.7 | An End-to-End Approach for Korean Wakeword Systems with Speaker Authentication はコメントを受け付けていません

VITA-1.5: Towards GPT-4o Level Real-Time Vision and Speech Interaction

投稿日: 2025年1月22日 作成者: jarxiv

要約 最近のマルチモーダル大規模言語モデル (MLLM) は通常、視覚的モダリテ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | VITA-1.5: Towards GPT-4o Level Real-Time Vision and Speech Interaction はコメントを受け付けていません

How Redundant Is the Transformer Stack in Speech Representation Models?

投稿日: 2025年1月20日 作成者: jarxiv

要約 自己教師あり音声表現モデル、特にトランス アーキテクチャを活用したモデルは … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | How Redundant Is the Transformer Stack in Speech Representation Models? はコメントを受け付けていません

Improving Zero-Shot Chinese-English Code-Switching ASR with kNN-CTC and Gated Monolingual Datastores

投稿日: 2025年1月20日 作成者: jarxiv

要約 kNN-CTC モデルは、単言語自動音声認識 (ASR) に有効であること … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Improving Zero-Shot Chinese-English Code-Switching ASR with kNN-CTC and Gated Monolingual Datastores はコメントを受け付けていません

Joint Automatic Speech Recognition And Structure Learning For Better Speech Understanding

投稿日: 2025年1月20日 作成者: jarxiv

要約 音声言語理解 (SLU) は、音声の分野における構造予測タスクです。 最近 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Joint Automatic Speech Recognition And Structure Learning For Better Speech Understanding はコメントを受け付けていません

Audio-Driven Reinforcement Learning for Head-Orientation in Naturalistic Environments

投稿日: 2025年1月20日 作成者: jarxiv

要約 オーディオ信号処理における深層強化学習 (DRL) アプローチは近年大幅な … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Audio-Driven Reinforcement Learning for Head-Orientation in Naturalistic Environments はコメントを受け付けていません

MRI2Speech: Speech Synthesis from Articulatory Movements Recorded by Real-time MRI

投稿日: 2025年1月20日 作成者: jarxiv

要約 以前のリアルタイム MRI (rtMRI) ベースの音声合成モデルは、ノイ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | MRI2Speech: Speech Synthesis from Articulatory Movements Recorded by Real-time MRI はコメントを受け付けていません

Unsupervised Rhythm and Voice Conversion of Dysarthric to Healthy Speech for ASR

投稿日: 2025年1月20日 作成者: jarxiv

要約 自動音声認識 (ASR) システムは、構音障害のある音声に対してはパフォー … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Unsupervised Rhythm and Voice Conversion of Dysarthric to Healthy Speech for ASR はコメントを受け付けていません

SD-Eval: A Benchmark Dataset for Spoken Dialogue Understanding Beyond Words

投稿日: 2025年1月17日 作成者: jarxiv

要約 音声には、内容、パラ言語、環境情報などを含むがこれらに限定されない豊富な情 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SD-Eval: A Benchmark Dataset for Spoken Dialogue Understanding Beyond Words はコメントを受け付けていません

AudioBERT: Audio Knowledge Augmented Language Model

投稿日: 2025年1月17日 作成者: jarxiv

要約 最近の研究では、テキストのみのデータセットで事前トレーニングされた言語モデ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | AudioBERT: Audio Knowledge Augmented Language Model はコメントを受け付けていません