「cs.SD」カテゴリーアーカイブ

Investigating the effect of domain selection on automatic speech recognition performance: a case study on Bangladeshi Bangla

投稿日: 2023年3月1日 作成者: jarxiv

要約 データ駆動型の自然言語処理システムのパフォーマンスは、コーパスの品質に左右 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Investigating the effect of domain selection on automatic speech recognition performance: a case study on Bangladeshi Bangla はコメントを受け付けていません

Exploring Self-supervised Pre-trained ASR Models For Dysarthric and Elderly Speech Recognition

投稿日: 2023年3月1日 作成者: jarxiv

要約 障害のある高齢者の発話の自動認識は、そのようなデータを大量に収集することが … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Exploring Self-supervised Pre-trained ASR Models For Dysarthric and Elderly Speech Recognition はコメントを受け付けていません

Low latency transformers for speech processing

投稿日: 2023年2月28日 作成者: jarxiv

要約 トランスフォーマーは、最新のニューラル ネットワークで広く使用されているビ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Low latency transformers for speech processing はコメントを受け付けていません

Cross-Modal Mutual Learning for Cued Speech Recognition

投稿日: 2023年2月28日 作成者: jarxiv

要約 Automatic Cued Speech Recognition (AC … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.SD, eess.AS | Cross-Modal Mutual Learning for Cued Speech Recognition はコメントを受け付けていません

Dynamic Kernels and Channel Attention for Low Resource Speaker Verification

投稿日: 2023年2月28日 作成者: jarxiv

要約 最先端の話者検証フレームワークは通常、検証パフォーマンスを向上させるために … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Dynamic Kernels and Channel Attention for Low Resource Speaker Verification はコメントを受け付けていません

Duration-aware pause insertion using pre-trained language model for multi-speaker text-to-speech

投稿日: 2023年2月28日 作成者: jarxiv

要約 一時停止の挿入は、フレーズ区切り予測およびフレージングとも呼ばれ、TTS … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Duration-aware pause insertion using pre-trained language model for multi-speaker text-to-speech はコメントを受け付けていません

Using Auxiliary Tasks In Multimodal Fusion Of Wav2vec 2.0 And BERT For Multimodal Emotion Recognition

投稿日: 2023年2月28日 作成者: jarxiv

要約 データの欠如とマルチモーダル融合の難しさは、マルチモーダル感情認識 (ME … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Using Auxiliary Tasks In Multimodal Fusion Of Wav2vec 2.0 And BERT For Multimodal Emotion Recognition はコメントを受け付けていません

Analysing Discrete Self Supervised Speech Representation for Spoken Language Modeling

投稿日: 2023年2月28日 作成者: jarxiv

要約 この作業は、Generative Spoken Language Mode … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Analysing Discrete Self Supervised Speech Representation for Spoken Language Modeling はコメントを受け付けていません

Multimodal Speech Recognition for Language-Guided Embodied Agents

投稿日: 2023年2月28日 作成者: jarxiv

要約 言語ガイド付きの具体化されたエージェントのベンチマークは通常、テキストベー … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Multimodal Speech Recognition for Language-Guided Embodied Agents はコメントを受け付けていません

Text-only domain adaptation for end-to-end ASR using integrated text-to-mel-spectrogram generator

投稿日: 2023年2月28日 作成者: jarxiv

要約 転写された音声データ、テキスト データ、または両方の混合でトレーニングでき … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Text-only domain adaptation for end-to-end ASR using integrated text-to-mel-spectrogram generator はコメントを受け付けていません