「cs.SD」カテゴリーアーカイブ

Beyond Universal Transformer: block reusing with adaptor in Transformer for automatic speech recognit

投稿日: 2023年3月24日 作成者: jarxiv

要約 Transformer ベースのモデルは、最近、エンドツーエンド (E2E … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Beyond Universal Transformer: block reusing with adaptor in Transformer for automatic speech recognit はコメントを受け付けていません

Frame-Level Multi-Label Playing Technique Detection Using Multi-Scale Network and Self-Attention Mechanism

投稿日: 2023年3月24日 作成者: jarxiv

要約 楽器演奏技術 (IPT) は、音楽表現の重要な要素です。 ただし、IPT … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Frame-Level Multi-Label Playing Technique Detection Using Multi-Scale Network and Self-Attention Mechanism はコメントを受け付けていません

Audio Diffusion Model for Speech Synthesis: A Survey on Text To Speech and Speech Enhancement in Generative AI

投稿日: 2023年3月24日 作成者: jarxiv

要約 ジェネレーティブ AI はさまざまな分野で印象的なパフォーマンスを発揮して … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.MM, cs.SD, eess.AS | Audio Diffusion Model for Speech Synthesis: A Survey on Text To Speech and Speech Enhancement in Generative AI はコメントを受け付けていません

Egocentric Audio-Visual Object Localization

投稿日: 2023年3月24日 作成者: jarxiv

要約 人間は、音と視覚を統合して一人称視点で周囲の景色を自然に知覚します。 同様 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Egocentric Audio-Visual Object Localization はコメントを受け付けていません

Exploring Turkish Speech Recognition via Hybrid CTC/Attention Architecture and Multi-feature Fusion Network

投稿日: 2023年3月23日 作成者: jarxiv

要約 近年、ディープラーニングに基づくEnd-to-Endの音声認識技術が急速に … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Exploring Turkish Speech Recognition via Hybrid CTC/Attention Architecture and Multi-feature Fusion Network はコメントを受け付けていません

Posthoc Interpretation via Quantization

投稿日: 2023年3月23日 作成者: jarxiv

要約 この論文では、訓練された分類器によって行われた決定を解釈するための、「量子 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Posthoc Interpretation via Quantization はコメントを受け付けていません

End-to-End Integration of Speech Separation and Voice Activity Detection for Low-Latency Diarization of Telephone Conversations

投稿日: 2023年3月22日 作成者: jarxiv

要約 最近の研究は、主に音声分離の最近の進歩のおかげで、音声分離誘導ダイアライゼ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | End-to-End Integration of Speech Separation and Voice Activity Detection for Low-Latency Diarization of Telephone Conversations はコメントを受け付けていません

Transformers in Speech Processing: A Survey

投稿日: 2023年3月22日 作成者: jarxiv

要約 自然言語処理の分野におけるトランスフォーマーの目覚ましい成功は、音声処理コ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Transformers in Speech Processing: A Survey はコメントを受け付けていません

Highly Efficient Real-Time Streaming and Fully On-Device Speaker Diarization with Multi-Stage Clustering

投稿日: 2023年3月21日 作成者: jarxiv

要約 話者ダイアライゼーションにおける最近の研究の進歩は、主にダイアライゼーショ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Highly Efficient Real-Time Streaming and Fully On-Device Speaker Diarization with Multi-Stage Clustering はコメントを受け付けていません

A Deep Learning System for Domain-specific speech Recognition

投稿日: 2023年3月21日 作成者: jarxiv

要約 人間と機械の音声インターフェイスにより、ますますインテリジェントになる機械 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | A Deep Learning System for Domain-specific speech Recognition はコメントを受け付けていません