cs.SD」カテゴリーアーカイブ

Revise, Reason, and Recognize: LLM-Based Emotion Recognition via Emotion-Specific Prompts and ASR Error Correction

要約 迅速なエンジニアリングを使用して音声感情を注釈と認識して、最近、大規模な言 … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.MM, cs.SD, eess.AS | コメントする

Exploring Acoustic Similarity in Emotional Speech and Music via Self-Supervised Representations

要約 音楽と音楽からの感情の認識は、音響の重複のために類似点を共有しており、これ … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.MM, cs.SD, eess.AS | コメントする

Differentiable Room Acoustic Rendering with Multi-View Vision Priors

要約 空間オーディオによって可能になった没入型の音響体験は、現実的な仮想環境を作 … 続きを読む

カテゴリー: cs.CV, cs.SD | コメントする

End-to-end Audio Deepfake Detection from RAW Waveforms: a RawNet-Based Approach with Cross-Dataset Evaluation

要約 オーディオディープフェイクは、デジタルセキュリティと信頼に対する脅威の高ま … 続きを読む

カテゴリー: cs.CV, cs.SD, eess.AS | コメントする

Versatile Framework for Song Generation with Prompt-based Control

要約 Song Generationは、さまざまなプロンプトに基づいて制御可能な … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | コメントする

Mitigating Timbre Leakage with Universal Semantic Mapping Residual Block for Voice Conversion

要約 音声変換(VC)は、コンテンツを保存することにより、ソース音声をターゲット … 続きを読む

カテゴリー: cs.AI, cs.SD, eess.AS | コメントする

End-to-end Audio Deepfake Detection from RAW Waveforms: a RawNet-Based Approach with Cross-Dataset Evaluation

要約 オーディオディープフェイクは、デジタルセキュリティと信頼に対する脅威の高ま … 続きを読む

カテゴリー: cs.CV, cs.SD, eess.AS | コメントする

Tracking Articulatory Dynamics in Speech with a Fixed-Weight BiLSTM-CNN Architecture

要約 音声生成は、さまざまな調音の特徴の調整を含む複雑な連続プロセスです。 その … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | コメントする

Spatial Audio Processing with Large Language Model on Wearable Devices

要約 空間的コンテキストを大規模な言語モデル(LLM)に統合することは、特にウェ … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | コメントする

Kimi-Audio Technical Report

要約 オーディオの理解、生成、会話に優れたオープンソースオーディオファンデーショ … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG, cs.MM, cs.SD, eess.AS | コメントする