「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

投稿日: 2024年7月23日 作成者: jarxiv

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 →

カテゴリー: cs.CL, cs.SD, eess.AS | J-CHAT: Japanese Large-scale Spoken Dialogue Corpus for Spoken Dialogue Language Modeling はコメントを受け付けていません

dMel: Speech Tokenization made Simple

投稿日: 2024年7月23日 作成者: jarxiv

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 →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | dMel: Speech Tokenization made Simple はコメントを受け付けていません

Braille-to-Speech Generator: Audio Generation Based on Joint Fine-Tuning of CLIP and Fastspeech2

投稿日: 2024年7月22日 作成者: jarxiv

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 →

カテゴリー: cs.CL, cs.SD, eess.AS | Braille-to-Speech Generator: Audio Generation Based on Joint Fine-Tuning of CLIP and Fastspeech2 はコメントを受け付けていません

Learn and Don’t Forget: Adding a New Language to ASR Foundation Models

投稿日: 2024年7月22日 作成者: jarxiv

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 →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Learn and Don’t Forget: Adding a New Language to ASR Foundation Models はコメントを受け付けていません

Speech-to-Speech Translation with Discrete-Unit-Based Style Transfer

投稿日: 2024年7月22日 作成者: jarxiv

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 →

カテゴリー: cs.AI, cs.SD, eess.AS | Speech-to-Speech Translation with Discrete-Unit-Based Style Transfer はコメントを受け付けていません

Stable Audio Open

投稿日: 2024年7月22日 作成者: jarxiv

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 →

カテゴリー: cs.AI, cs.SD, eess.AS | Stable Audio Open はコメントを受け付けていません

Towards Assessing Data Replication in Music Generation with Music Similarity Metrics on Raw Audio

投稿日: 2024年7月22日 作成者: jarxiv

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 →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | Towards Assessing Data Replication in Music Generation with Music Similarity Metrics on Raw Audio はコメントを受け付けていません

CogniVoice: Multimodal and Multilingual Fusion Networks for Mild Cognitive Impairment Assessment from Spontaneous Speech

投稿日: 2024年7月19日 作成者: jarxiv

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 →

カテゴリー: cs.LG, cs.SD, eess.AS | CogniVoice: Multimodal and Multilingual Fusion Networks for Mild Cognitive Impairment Assessment from Spontaneous Speech はコメントを受け付けていません

Enhancing Out-of-Vocabulary Performance of Indian TTS Systems for Practical Applications through Low-Effort Data Strategies

投稿日: 2024年7月19日 作成者: jarxiv

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 →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Enhancing Out-of-Vocabulary Performance of Indian TTS Systems for Practical Applications through Low-Effort Data Strategies はコメントを受け付けていません

Spontaneous Style Text-to-Speech Synthesis with Controllable Spontaneous Behaviors Based on Language Models

投稿日: 2024年7月19日 作成者: jarxiv

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 →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Spontaneous Style Text-to-Speech Synthesis with Controllable Spontaneous Behaviors Based on Language Models はコメントを受け付けていません