「cs.SD」カテゴリーアーカイブ

Automated Audio Captioning and Language-Based Audio Retrieval

投稿日: 2023年5月16日 作成者: jarxiv

要約 このプロジェクトには、(1) 自動音声キャプションと (2) 言語ベースの … 続きを読む →

カテゴリー: cs.CL, cs.IR, cs.SD, eess.AS | Automated Audio Captioning and Language-Based Audio Retrieval はコメントを受け付けていません

Understanding and Bridging the Modality Gap for Speech Translation

投稿日: 2023年5月16日 作成者: jarxiv

要約 (テキスト) 機械翻訳 (MT) データを活用して、より優れたエンドツーエ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, I.2.7 | Understanding and Bridging the Modality Gap for Speech Translation はコメントを受け付けていません

Back Translation for Speech-to-text Translation Without Transcripts

投稿日: 2023年5月16日 作成者: jarxiv

要約 エンドツーエンドの音声からテキストへの翻訳 (ST) の成功は、多くの場合 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, I.2.7 | Back Translation for Speech-to-text Translation Without Transcripts はコメントを受け付けていません

CryCeleb: A Speaker Verification Dataset Based on Infant Cry Sounds

投稿日: 2023年5月16日 作成者: jarxiv

要約 本論文では、Ubenwa CryCelebデータセット（乳児の泣き声のラベ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | CryCeleb: A Speaker Verification Dataset Based on Infant Cry Sounds はコメントを受け付けていません

Benchmarks and leaderboards for sound demixing tasks

投稿日: 2023年5月15日 作成者: jarxiv

要約 音楽デミックスとは、与えられた単一のオーディオ信号から、ドラム、ベース、ボ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Benchmarks and leaderboards for sound demixing tasks はコメントを受け付けていません

Device-Robust Acoustic Scene Classification via Impulse Response Augmentation

投稿日: 2023年5月15日 作成者: jarxiv

要約 音声分類モデルにおいて、様々な録音機器への汎化能力は重要な性能要素である。 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Device-Robust Acoustic Scene Classification via Impulse Response Augmentation はコメントを受け付けていません

Better speech synthesis through scaling

投稿日: 2023年5月15日 作成者: jarxiv

要約 近年、画像生成の分野は、自己回帰変換器やDDPMの応用により、革命的な変化 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Better speech synthesis through scaling はコメントを受け付けていません

Investigating the Sensitivity of Automatic Speech Recognition Systems to Phonetic Variation in L2 Englishes

投稿日: 2023年5月15日 作成者: jarxiv

要約 自動音声認識（ASR）システムは、学習させた音声と類似した音声に対して最高 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Investigating the Sensitivity of Automatic Speech Recognition Systems to Phonetic Variation in L2 Englishes はコメントを受け付けていません

Improving Cascaded Unsupervised Speech Translation with Denoising Back-translation

投稿日: 2023年5月15日 作成者: jarxiv

要約 音声翻訳モデルの多くはパラレルデータに大きく依存しており、特に低リソース言 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Improving Cascaded Unsupervised Speech Translation with Denoising Back-translation はコメントを受け付けていません

Streaming Joint Speech Recognition and Disfluency Detection

投稿日: 2023年5月12日 作成者: jarxiv

要約 失語症検出は、主に音声認識の後処理として、パイプラインアプローチで解決され … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Streaming Joint Speech Recognition and Disfluency Detection はコメントを受け付けていません