「cs.SD」カテゴリーアーカイブ

ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities

投稿日: 2023年5月19日 作成者: jarxiv

要約 この研究では、無制限のモダリティに向けた一般表現モデルを構築するためのスケ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.SD, eess.AS | ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities はコメントを受け付けていません

Boosting Local Spectro-Temporal Features for Speech Analysis

投稿日: 2023年5月18日 作成者: jarxiv

要約 音声認識のコンテキストで電話の分類の問題を導入し、電話の分類に使用できる局 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Boosting Local Spectro-Temporal Features for Speech Analysis はコメントを受け付けていません

Using a Large Language Model to Control Speaking Style for Expressive TTS

投稿日: 2023年5月18日 作成者: jarxiv

要約 音声コミュニケーションを成功させるには、適切な韻律が不可欠です。 文脈に応 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Using a Large Language Model to Control Speaking Style for Expressive TTS はコメントを受け付けていません

SoundStorm: Efficient Parallel Audio Generation

投稿日: 2023年5月17日 作成者: jarxiv

要約 効率的で非自己回帰的なオーディオ生成モデルである SoundStorm を … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | SoundStorm: Efficient Parallel Audio Generation はコメントを受け付けていません

The Interpreter Understands Your Meaning: End-to-end Spoken Language Understanding Aided by Speech Translation

投稿日: 2023年5月17日 作成者: jarxiv

要約 エンドツーエンドの音声言語理解 (SLU) は、テキストと音声に関する現在 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | The Interpreter Understands Your Meaning: End-to-end Spoken Language Understanding Aided by Speech Translation はコメントを受け付けていません

Low-complexity deep learning frameworks for acoustic scene classification using teacher-student scheme and multiple spectrograms

投稿日: 2023年5月17日 作成者: jarxiv

要約 この技術レポートでは、音響シーン分類 (ASC) のための低複雑性の深層学 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Low-complexity deep learning frameworks for acoustic scene classification using teacher-student scheme and multiple spectrograms はコメントを受け付けていません

Discrete Diffusion Probabilistic Models for Symbolic Music Generation

投稿日: 2023年5月17日 作成者: jarxiv

要約 ノイズ除去拡散確率モデル (DDPM) は、離散領域と連続領域の両方で高品 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Discrete Diffusion Probabilistic Models for Symbolic Music Generation はコメントを受け付けていません

Listen, Denoise, Action! Audio-Driven Motion Synthesis with Diffusion Models

投稿日: 2023年5月17日 作成者: jarxiv

要約 拡散モデルは、表現力が高く、効率的にトレーニングできる確率モデルとして注目 … 続きを読む →

カテゴリー: 68T07, cs.CV, cs.GR, cs.HC, cs.LG, cs.SD, eess.AS, G.3 | Listen, Denoise, Action! Audio-Driven Motion Synthesis with Diffusion Models はコメントを受け付けていません

Uncertainty Estimation in Deep Speech Enhancement Using Complex Gaussian Mixture Models

投稿日: 2023年5月16日 作成者: jarxiv

要約 シングルチャネルのディープスピーチエンハンスメント手法では、多くの場合、精 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Uncertainty Estimation in Deep Speech Enhancement Using Complex Gaussian Mixture Models はコメントを受け付けていません

Integrating Uncertainty into Neural Network-based Speech Enhancement

投稿日: 2023年5月16日 作成者: jarxiv

要約 時間周波数領域における教師ありマスキング アプローチは、ディープ ニューラ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Integrating Uncertainty into Neural Network-based Speech Enhancement はコメントを受け付けていません