「cs.SD」カテゴリーアーカイブ

Multimodal Emotion Recognition using Audio-Video Transformer Fusion with Cross Attention

投稿日: 2024年7月29日 作成者: jarxiv

要約 感情を理解することは、人間のコミュニケーションの基本的な側面です。 オーデ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG, cs.MM, cs.SD, eess.AS, F.2.2 | Multimodal Emotion Recognition using Audio-Video Transformer Fusion with Cross Attention はコメントを受け付けていません

LyricWhiz: Robust Multilingual Zero-shot Lyrics Transcription by Whispering to ChatGPT

投稿日: 2024年7月26日 作成者: jarxiv

要約 LyricWhiz は、ロックやメタルなどの難しいジャンルでも、さまざまな … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | LyricWhiz: Robust Multilingual Zero-shot Lyrics Transcription by Whispering to ChatGPT はコメントを受け付けていません

Innovative Speech-Based Deep Learning Approaches for Parkinson’s Disease Classification: A Systematic Review

投稿日: 2024年7月26日 作成者: jarxiv

要約 パーキンソン病 (PD) は世界で 2 番目に蔓延している神経変性疾患であ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Innovative Speech-Based Deep Learning Approaches for Parkinson’s Disease Classification: A Systematic Review はコメントを受け付けていません

On the Effect of Purely Synthetic Training Data for Different Automatic Speech Recognition Architectures

投稿日: 2024年7月26日 作成者: jarxiv

要約 この研究では、自動音声認識 (ASR) をトレーニングするための合成データ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | On the Effect of Purely Synthetic Training Data for Different Automatic Speech Recognition Architectures はコメントを受け付けていません

I can listen but cannot read: An evaluation of two-tower multimodal systems for instrument recognition

投稿日: 2024年7月26日 作成者: jarxiv

要約 音楽 2 タワー マルチモーダル システムは、オーディオとテキストのモダリ … 続きを読む →

カテゴリー: cs.CL, cs.IR, cs.LG, cs.SD, eess.AS | I can listen but cannot read: An evaluation of two-tower multimodal systems for instrument recognition はコメントを受け付けていません

Action2Sound: Ambient-Aware Generation of Action Sounds from Egocentric Videos

投稿日: 2024年7月26日 作成者: jarxiv

要約 人間の動作に合わせてリアルなオーディオを生成することは、映画や仮想現実ゲー … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.SD, eess.AS | Action2Sound: Ambient-Aware Generation of Action Sounds from Egocentric Videos はコメントを受け付けていません

Long-Term, Store-Front Robotics: Interactive Music for Robotic Arm, Caxixi and Frame Drums

投稿日: 2024年7月25日 作成者: jarxiv

要約 この論文では、特に UR3 ロボット アーム、特注フレーム ドラム、および … 続きを読む →

カテゴリー: cs.RO, cs.SD, eess.AS | Long-Term, Store-Front Robotics: Interactive Music for Robotic Arm, Caxixi and Frame Drums はコメントを受け付けていません

Detecting Throat Cancer from Speech Signals using Machine Learning: A Scoping Literature Review

投稿日: 2024年7月25日 作成者: jarxiv

要約 はじめに: 咽頭がんの症例は世界中で増加しています。 後の段階では生存率が … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Detecting Throat Cancer from Speech Signals using Machine Learning: A Scoping Literature Review はコメントを受け付けていません

Zero-Shot vs. Few-Shot Multi-Speaker TTS Using Pre-trained Czech SpeechT5 Model

投稿日: 2024年7月25日 作成者: jarxiv

要約 この論文では、大規模なデータセットで事前トレーニングされた SpeechT … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Zero-Shot vs. Few-Shot Multi-Speaker TTS Using Pre-trained Czech SpeechT5 Model はコメントを受け付けていません

Speech Editing — a Summary

投稿日: 2024年7月25日 作成者: jarxiv

要約 ビデオ制作とソーシャル メディアの台頭により、クリエイターが音声録音におけ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Speech Editing — a Summary はコメントを受け付けていません