「cs.SD」カテゴリーアーカイブ

DyPCL: Dynamic Phoneme-level Contrastive Learning for Dysarthric Speech Recognition

投稿日: 2025年2月4日 作成者: jarxiv

要約 構音障害音声認識では、構音障害の重症度や正常音声との外在的な差異が本質的に … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | DyPCL: Dynamic Phoneme-level Contrastive Learning for Dysarthric Speech Recognition はコメントを受け付けていません

BirdSet: A Large-Scale Dataset for Audio Classification in Avian Bioacoustics

投稿日: 2025年2月4日 作成者: jarxiv

要約 ディープラーニング(DL)はオーディオ分類を大きく進歩させたが、この分野は … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | BirdSet: A Large-Scale Dataset for Audio Classification in Avian Bioacoustics はコメントを受け付けていません

Musical ethnocentrism in Large Language Models

投稿日: 2025年2月4日 作成者: jarxiv

要約 大規模言語モデル（LLM）は、学習データの偏りを反映し、ひいてはこの学習デ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Musical ethnocentrism in Large Language Models はコメントを受け付けていません

Wave-U-Mamba: An End-To-End Framework For High-Quality And Efficient Speech Super Resolution

投稿日: 2025年2月4日 作成者: jarxiv

要約 音声超解像（Speech Super-Resolution:SSR）は、低 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Wave-U-Mamba: An End-To-End Framework For High-Quality And Efficient Speech Super Resolution はコメントを受け付けていません

Reproducible Machine Learning-based Voice Pathology Detection: Introducing the Pitch Difference Feature

投稿日: 2025年2月4日 作成者: jarxiv

要約 本研究では、公開されているSaarbr’ucken Voice … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Reproducible Machine Learning-based Voice Pathology Detection: Introducing the Pitch Difference Feature はコメントを受け付けていません

kNN Retrieval for Simple and Effective Zero-Shot Multi-speaker Text-to-Speech

投稿日: 2025年2月4日 作成者: jarxiv

要約 最近のゼロショット多話者音声合成（TTS）モデルは目覚ましい成果を上げてい … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | kNN Retrieval for Simple and Effective Zero-Shot Multi-speaker Text-to-Speech はコメントを受け付けていません

SELMA: A Speech-Enabled Language Model for Virtual Assistant Interactions

投稿日: 2025年2月4日 作成者: jarxiv

要約 この研究では、音声とテキストを大規模言語モデル（LLM）への入力として統合 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | SELMA: A Speech-Enabled Language Model for Virtual Assistant Interactions はコメントを受け付けていません

SELMA: A Speech-Enabled Language Model for Virtual Assistant Interactions

投稿日: 2025年2月3日 作成者: jarxiv

要約 この作業では、オーディオとテキストを大規模な言語モデル（LLM）に統合する … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | SELMA: A Speech-Enabled Language Model for Virtual Assistant Interactions はコメントを受け付けていません

Resampling Filter Design for Multirate Neural Audio Effect Processing

投稿日: 2025年1月31日 作成者: jarxiv

要約 ニューラルネットワークは、特にギターアンプと歪みペダルのオーディオエフェク … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, eess.SP | Resampling Filter Design for Multirate Neural Audio Effect Processing はコメントを受け付けていません

Self-Supervised Frameworks for Speaker Verification via Bootstrapped Positive Sampling

投稿日: 2025年1月30日 作成者: jarxiv

要約 自己学習学習（SSL）の最近の開発は、スピーカー検証（SV）の重要な可能性 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Self-Supervised Frameworks for Speaker Verification via Bootstrapped Positive Sampling はコメントを受け付けていません