「cs.SD」カテゴリーアーカイブ

Comparative Analysis of Audio Feature Extraction for Real-Time Talking Portrait Synthesis

投稿日: 2024年11月21日 作成者: jarxiv

要約 このペーパーでは、リアルタイム アプリケーションで遅延が発生し、応答性が制 … 続きを読む →

カテゴリー: 68T01, 68T07, 68T45, cs.AI, cs.HC, cs.SD, eess.AS | Comparative Analysis of Audio Feature Extraction for Real-Time Talking Portrait Synthesis はコメントを受け付けていません

Basic syntax from speech: Spontaneous concatenation in unsupervised deep neural networks

投稿日: 2024年11月21日 作成者: jarxiv

要約 構文の計算モデルは主にテキストベースです。 ここで私たちは、構文の進化にお … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Basic syntax from speech: Spontaneous concatenation in unsupervised deep neural networks はコメントを受け付けていません

Rethinking MUSHRA: Addressing Modern Challenges in Text-to-Speech Evaluation

投稿日: 2024年11月20日 作成者: jarxiv

要約 TTS モデルは急速に進歩していますが、一貫した堅牢な人間による評価フレー … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Rethinking MUSHRA: Addressing Modern Challenges in Text-to-Speech Evaluation はコメントを受け付けていません

DARNet: Dual Attention Refinement Network with Spatiotemporal Construction for Auditory Attention Detection

投稿日: 2024年11月19日 作成者: jarxiv

要約 カクテルパーティーでは、人間は注意を向ける驚くべき能力を発揮します。 聴覚 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | DARNet: Dual Attention Refinement Network with Spatiotemporal Construction for Auditory Attention Detection はコメントを受け付けていません

REBORN: Reinforcement-Learned Boundary Segmentation with Iterative Training for Unsupervised ASR

投稿日: 2024年11月18日 作成者: jarxiv

要約 教師なし自動音声認識 (ASR) は、音声とテキストのペアのデータを監視せ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | REBORN: Reinforcement-Learned Boundary Segmentation with Iterative Training for Unsupervised ASR はコメントを受け付けていません

Local deployment of large-scale music AI models on commodity hardware

投稿日: 2024年11月15日 作成者: jarxiv

要約 私たちは、汎用ハードウェア上でローカルに大規模な生成 AI モデルを使用し … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Local deployment of large-scale music AI models on commodity hardware はコメントを受け付けていません

Re-Parameterization of Lightweight Transformer for On-Device Speech Emotion Recognition

投稿日: 2024年11月15日 作成者: jarxiv

要約 エッジまたはモノのインターネット (IoT) デバイスでの機械学習モデルの … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Re-Parameterization of Lightweight Transformer for On-Device Speech Emotion Recognition はコメントを受け付けていません

A Comparative Study of Discrete Speech Tokens for Semantic-Related Tasks with Large Language Models

投稿日: 2024年11月14日 作成者: jarxiv

要約 Speech Large Language Model (Speech L … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | A Comparative Study of Discrete Speech Tokens for Semantic-Related Tasks with Large Language Models はコメントを受け付けていません

Investigating the Effectiveness of Explainability Methods in Parkinson’s Detection from Speech

投稿日: 2024年11月14日 作成者: jarxiv

要約 パーキンソン病 (PD) における言語障害は、診断の重要な初期指標となりま … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Investigating the Effectiveness of Explainability Methods in Parkinson’s Detection from Speech はコメントを受け付けていません

Automatic Album Sequencing

投稿日: 2024年11月13日 作成者: jarxiv

要約 アルバムの順序付けは、アルバム制作プロセスの重要な部分です。 最近、コレク … 続きを読む →

カテゴリー: 68T07, cs.AI, cs.CL, cs.LG, cs.MM, cs.SD, I.2.6 | Automatic Album Sequencing はコメントを受け付けていません