-
最近の投稿
- Sampling-Based Model Predictive Control for Volumetric Ablation in Robotic Laser Surgery
- Safe and Efficient Trajectory Optimization for Autonomous Vehicles using B-spline with Incremental Path Flattening
- Latent Action Priors From a Single Gait Cycle Demonstration for Online Imitation Learning
- Dynamic Curvature Constrained Path Planning
- A Service Robot in the Wild: Analysis of Users Intentions, Robot Behaviors, and Their Impact on the Interaction
-
最近のコメント
表示できるコメントはありません。 cs.AI (27705) cs.CL (20935) cs.CR (2171) cs.CV (34425) cs.LG (32441) cs.RO (15842) cs.SY (2460) eess.IV (4226) eess.SY (2454) stat.ML (4346)
「cs.SD」カテゴリーアーカイブ
J-CHAT: Japanese Large-scale Spoken Dialogue Corpus for Spoken Dialogue Language Modeling
要約 音声対話は人間と AI の対話において重要な役割を果たしており、対話指向の … 続きを読む
dMel: Speech Tokenization made Simple
要約 大規模な言語モデルは、膨大なテキスト データに対する自己教師あり事前トレー … 続きを読む
Braille-to-Speech Generator: Audio Generation Based on Joint Fine-Tuning of CLIP and Fastspeech2
要約 さまざまな程度の視覚障害に悩む中国人が増えているため、視野内の単一の画像ま … 続きを読む
Learn and Don’t Forget: Adding a New Language to ASR Foundation Models
要約 Foundation ASR モデルは多くの場合、多くの言語をサポートしま … 続きを読む
Speech-to-Speech Translation with Discrete-Unit-Based Style Transfer
要約 個別の自己教師あり表現による直接音声対音声翻訳 (S2ST) は、驚くべき … 続きを読む
Stable Audio Open
要約 オープン生成モデルはコミュニティにとって非常に重要であり、微調整が可能であ … 続きを読む
Towards Assessing Data Replication in Music Generation with Music Similarity Metrics on Raw Audio
要約 音楽生成における最近の進歩により、創造的な音楽プロセス、現在のビジネス モ … 続きを読む
CogniVoice: Multimodal and Multilingual Fusion Networks for Mild Cognitive Impairment Assessment from Spontaneous Speech
要約 軽度認知障害 (MCI) は、記憶力と認知能力の顕著な低下を特徴とする病状 … 続きを読む
Enhancing Out-of-Vocabulary Performance of Indian TTS Systems for Practical Applications through Low-Effort Data Strategies
要約 ヒンディー語やタミル語などのリソースが少ない言語の公開されている TTS … 続きを読む
Spontaneous Style Text-to-Speech Synthesis with Controllable Spontaneous Behaviors Based on Language Models
要約 人間のような音声を生成することを目的とした自発的なスタイルの音声合成は、高 … 続きを読む