「cs.SD」カテゴリーアーカイブ

N-best T5: Robust ASR Error Correction using Multiple Input Hypotheses and Constrained Decoding Space

投稿日: 2023年3月2日 作成者: jarxiv

要約 エラー訂正モデルは、自動音声認識 (ASR) 後処理の重要な部分を形成し、 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | N-best T5: Robust ASR Error Correction using Multiple Input Hypotheses and Constrained Decoding Space はコメントを受け付けていません

Improving Noisy Student Training on Non-target Domain Data for Automatic Speech Recognition

投稿日: 2023年3月2日 作成者: jarxiv

要約 Noisy Student Training (NST) は最近、自動音声 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Improving Noisy Student Training on Non-target Domain Data for Automatic Speech Recognition はコメントを受け付けていません

SpeechPrompt v2: Prompt Tuning for Speech Classification Tasks

投稿日: 2023年3月2日 作成者: jarxiv

要約 プロンプト チューニングは、少数のパラメーター セットを調整して事前トレー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | SpeechPrompt v2: Prompt Tuning for Speech Classification Tasks はコメントを受け付けていません

On the Audio-visual Synchronization for Lip-to-Speech Synthesis

投稿日: 2023年3月2日 作成者: jarxiv

要約 ほとんどのリップ トゥ スピーチ (LTS) 合成モデルは、データセット内 … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | On the Audio-visual Synchronization for Lip-to-Speech Synthesis はコメントを受け付けていません

Cross-modal Face- and Voice-style Transfer

投稿日: 2023年3月2日 作成者: jarxiv

要約 画像から画像への変換と音声変換により、画像内のポーズや音声内の言語コンテン … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Cross-modal Face- and Voice-style Transfer はコメントを受け付けていません

READ Avatars: Realistic Emotion-controllable Audio Driven Avatars

投稿日: 2023年3月2日 作成者: jarxiv

要約 READ Avatars は、感情を直接かつきめ細かく制御するオーディオ入 … 続きを読む →

カテゴリー: cs.CV, cs.GR, cs.SD, eess.AS | READ Avatars: Realistic Emotion-controllable Audio Driven Avatars はコメントを受け付けていません

Efficient Large-scale Audio Tagging via Transformer-to-CNN Knowledge Distillation

投稿日: 2023年3月1日 作成者: jarxiv

要約 オーディオ スペクトログラム トランスフォーマー モデルは、オーディオ タ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Efficient Large-scale Audio Tagging via Transformer-to-CNN Knowledge Distillation はコメントを受け付けていません

Reducing the Prior Mismatch of Stochastic Differential Equations for Diffusion-based Speech Enhancement

投稿日: 2023年3月1日 作成者: jarxiv

要約 最近、スコアベースの生成モデルが音声強調のタスクにうまく採用されています。 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Reducing the Prior Mismatch of Stochastic Differential Equations for Diffusion-based Speech Enhancement はコメントを受け付けていません

Pre-Finetuning for Few-Shot Emotional Speech Recognition

投稿日: 2023年3月1日 作成者: jarxiv

要約 音声モデルは、多くの分類タスクで個々の話者に過剰適合することが長い間知られ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Pre-Finetuning for Few-Shot Emotional Speech Recognition はコメントを受け付けていません

UniFLG: Unified Facial Landmark Generator from Text or Speech

投稿日: 2023年3月1日 作成者: jarxiv

要約 話し顔の生成は、その幅広い適用性のために広く研究されてきました。 会話面の … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.SD, eess.AS, eess.IV | UniFLG: Unified Facial Landmark Generator from Text or Speech はコメントを受け付けていません