「cs.SD」カテゴリーアーカイブ

Exploring Self-supervised Pre-trained ASR Models For Dysarthric and Elderly Speech Recognition

投稿日: 2023年6月23日 作成者: jarxiv

要約 乱れた発話や高齢者の発話を自動認識することは、そのようなデータを大量に収集 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Exploring Self-supervised Pre-trained ASR Models For Dysarthric and Elderly Speech Recognition はコメントを受け付けていません

MFCCGAN: A Novel MFCC-Based Speech Synthesizer Using Adversarial Learning

投稿日: 2023年6月23日 作成者: jarxiv

要約 本稿では、MFCCを入力として採用し、生の音声波形を生成する敵対的学習に基 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | MFCCGAN: A Novel MFCC-Based Speech Synthesizer Using Adversarial Learning はコメントを受け付けていません

Text-Driven Foley Sound Generation With Latent Diffusion Model

投稿日: 2023年6月23日 作成者: jarxiv

要約 フォーリー サウンド生成は、マルチメディア コンテンツの背景サウンドを合成 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Text-Driven Foley Sound Generation With Latent Diffusion Model はコメントを受け付けていません

AudioPaLM: A Large Language Model That Can Speak and Listen

投稿日: 2023年6月23日 作成者: jarxiv

要約 音声の理解と生成のための大規模な言語モデルである AudioPaLM を紹 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS, stat.ML | AudioPaLM: A Large Language Model That Can Speak and Listen はコメントを受け付けていません

Siamese SIREN: Audio Compression with Implicit Neural Representations

投稿日: 2023年6月23日 作成者: jarxiv

要約 Implicit Neural Representations (INR) … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Siamese SIREN: Audio Compression with Implicit Neural Representations はコメントを受け付けていません

Automatic Speech Disentanglement for Voice Conversion using Rank Module and Speech Augmentation

投稿日: 2023年6月22日 作成者: jarxiv

要約 音声変換 (VC) は、ソースの内容を維持しながら、ソースの音声をターゲッ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Automatic Speech Disentanglement for Voice Conversion using Rank Module and Speech Augmentation はコメントを受け付けていません

Diffusion Posterior Sampling for Informed Single-Channel Dereverberation

投稿日: 2023年6月22日 作成者: jarxiv

要約 本稿では、拡散モデルによる条件付き生成に基づいた、情報に基づいた単一チャネ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Diffusion Posterior Sampling for Informed Single-Channel Dereverberation はコメントを受け付けていません

Visual-Aware Text-to-Speech

投稿日: 2023年6月22日 作成者: jarxiv

要約 対面での対話では、聞いている頭に積極的に反応する話し言葉を動的に合成するこ … 続きを読む →

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

PATCorrect: Non-autoregressive Phoneme-augmented Transformer for ASR Error Correction

投稿日: 2023年6月22日 作成者: jarxiv

要約 自動音声認識 (ASR) システムによって発生する音声からテキストへのエラ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | PATCorrect: Non-autoregressive Phoneme-augmented Transformer for ASR Error Correction はコメントを受け付けていません

Knowledge-based Multimodal Music Similarity

投稿日: 2023年6月22日 作成者: jarxiv

要約 音楽の類似性は、音楽検索、推奨システム、および音楽分析にとって重要な側面で … 続きを読む →

カテゴリー: cs.AI, cs.IR, cs.LG, cs.MM, cs.SD, eess.AS | Knowledge-based Multimodal Music Similarity はコメントを受け付けていません