「cs.SD」カテゴリーアーカイブ

mWhisper-Flamingo for Multilingual Audio-Visual Noise-Robust Speech Recognition

投稿日: 2025年2月12日 作成者: jarxiv

要約 Audio-Visuual Speech Speech Septureat … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | mWhisper-Flamingo for Multilingual Audio-Visual Noise-Robust Speech Recognition はコメントを受け付けていません

Calibration of Multiple Asynchronous Microphone Arrays using Hybrid TDOA

投稿日: 2025年2月11日 作成者: jarxiv

要約 複数の非同期マイクアレイで作られた音響センシングシステムの正確なキャリブレ … 続きを読む →

カテゴリー: cs.RO, cs.SD | Calibration of Multiple Asynchronous Microphone Arrays using Hybrid TDOA はコメントを受け付けていません

Improved Extrinsic Calibration of Acoustic Cameras via Batch Optimization

投稿日: 2025年2月11日 作成者: jarxiv

要約 アコースティックカメラでは、実際には多くのアプリケーションが見つかりました … 続きを読む →

カテゴリー: cs.RO, cs.SD | Improved Extrinsic Calibration of Acoustic Cameras via Batch Optimization はコメントを受け付けていません

Evaluation of Deep Audio Representations for Hearables

投稿日: 2025年2月11日 作成者: jarxiv

要約 効果的に聞こえるデバイスには、ユーザーの周りの音響環境を理解する必要があり … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD | Evaluation of Deep Audio Representations for Hearables はコメントを受け付けていません

Exploring Audio Editing Features as User-Centric Privacy Defenses Against Large Language Model(LLM) Based Emotion Inference Attacks

投稿日: 2025年2月11日 作成者: jarxiv

要約 仮想アシスタント、ビデオ会議プラットフォーム、ウェアラブルデバイスなどの音 … 続きを読む →

カテゴリー: cs.AI, cs.CR, cs.LG, cs.SD, eess.AS | Exploring Audio Editing Features as User-Centric Privacy Defenses Against Large Language Model(LLM) Based Emotion Inference Attacks はコメントを受け付けていません

Learning Musical Representations for Music Performance Question Answering

投稿日: 2025年2月11日 作成者: jarxiv

要約 音楽パフォーマンスは、視聴覚モデリングの代表的なシナリオです。 まばらなオ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Learning Musical Representations for Music Performance Question Answering はコメントを受け付けていません

CleanUMamba: A Compact Mamba Network for Speech Denoising using Channel Pruning

投稿日: 2025年2月11日 作成者: jarxiv

要約 このペーパーでは、生の波形に直接適用されるリアルタイムの因果オーディオ除去 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.SD, eess.AS | CleanUMamba: A Compact Mamba Network for Speech Denoising using Channel Pruning はコメントを受け付けていません

Meta Audiobox Aesthetics: Unified Automatic Quality Assessment for Speech, Music, and Sound

投稿日: 2025年2月10日 作成者: jarxiv

要約 オーディオ美学の定量化は、主にその主観的な性質のために、人間の認識と文化的 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Meta Audiobox Aesthetics: Unified Automatic Quality Assessment for Speech, Music, and Sound はコメントを受け付けていません

Evaluating Standard and Dialectal Frisian ASR: Multilingual Fine-tuning and Language Identification for Improved Low-resource Performance

投稿日: 2025年2月10日 作成者: jarxiv

要約 低リソース言語の自動音声認識（ASR）パフォーマンスは、十分なラベル付きデ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Evaluating Standard and Dialectal Frisian ASR: Multilingual Fine-tuning and Language Identification for Improved Low-resource Performance はコメントを受け付けていません

Latent Swap Joint Diffusion for Long-Form Audio Generation

投稿日: 2025年2月10日 作成者: jarxiv

要約 グローバルビューの拡散または反復生成を使用した長期のオーディオ生成に関する … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.SD, eess.AS | Latent Swap Joint Diffusion for Long-Form Audio Generation はコメントを受け付けていません