「cs.SD」カテゴリーアーカイブ

Audio-visual Deepfake Detection With Local Temporal Inconsistencies

投稿日: 2025年1月15日 作成者: jarxiv

要約 この論文では、オーディオとビジュアルのモダリティ間のきめ細かい時間的不一致 … 続きを読む →

カテゴリー: cs.CR, cs.CV, cs.MM, cs.SD, eess.AS | Audio-visual Deepfake Detection With Local Temporal Inconsistencies はコメントを受け付けていません

AdaCS: Adaptive Normalization for Enhanced Code-Switching ASR

投稿日: 2025年1月14日 作成者: jarxiv

要約 センテンシャル内コードスイッチング (CS) は、単一の発話内で発生する言 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | AdaCS: Adaptive Normalization for Enhanced Code-Switching ASR はコメントを受け付けていません

Audio-CoT: Exploring Chain-of-Thought Reasoning in Large Audio Language Model

投稿日: 2025年1月14日 作成者: jarxiv

要約 Large Audio-Language Model (LALM) は、音 … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | Audio-CoT: Exploring Chain-of-Thought Reasoning in Large Audio Language Model はコメントを受け付けていません

Joint Automatic Speech Recognition And Structure Learning For Better Speech Understanding

投稿日: 2025年1月14日 作成者: jarxiv

要約 音声言語理解 (SLU) は、音声の分野における構造予測タスクです。 最近 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Joint Automatic Speech Recognition And Structure Learning For Better Speech Understanding はコメントを受け付けていません

Estimating Musical Surprisal in Audio

投稿日: 2025年1月14日 作成者: jarxiv

要約 計算手法を使用して音楽の驚きの期待をモデル化する際に、自己回帰モデルからの … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Estimating Musical Surprisal in Audio はコメントを受け付けていません

The Sound of Water: Inferring Physical Properties from Pouring Liquids

投稿日: 2025年1月14日 作成者: jarxiv

要約 私たちは、視聴覚観察と、液体を注ぐという平凡だが興味深い日常活動の基礎とな … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | The Sound of Water: Inferring Physical Properties from Pouring Liquids はコメントを受け付けていません

Towards Early Prediction of Self-Supervised Speech Model Performance

投稿日: 2025年1月13日 作成者: jarxiv

要約 自己教師あり学習 (SSL) では、事前トレーニングと評価にリソースが大量 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Towards Early Prediction of Self-Supervised Speech Model Performance はコメントを受け付けていません

xLSTM-SENet: xLSTM for Single-Channel Speech Enhancement

投稿日: 2025年1月13日 作成者: jarxiv

要約 Conformers などのアテンションベースのアーキテクチャは音声強調に … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | xLSTM-SENet: xLSTM for Single-Channel Speech Enhancement はコメントを受け付けていません

FLowHigh: Towards Efficient and High-Quality Audio Super-Resolution with Single-Step Flow Matching

投稿日: 2025年1月10日 作成者: jarxiv

要約 オーディオの超解像度は、その不適切な性質により困難を伴います。 最近、オー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | FLowHigh: Towards Efficient and High-Quality Audio Super-Resolution with Single-Step Flow Matching はコメントを受け付けていません

VoxEval: Benchmarking the Knowledge Understanding Capabilities of End-to-End Spoken Language Models

投稿日: 2025年1月10日 作成者: jarxiv

要約 音声ベースの対話モデルの開発に対する需要が高まる中、エンドツーエンドの音声 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | VoxEval: Benchmarking the Knowledge Understanding Capabilities of End-to-End Spoken Language Models はコメントを受け付けていません