「cs.SD」カテゴリーアーカイブ

MERGE — A Bimodal Dataset for Static Music Emotion Recognition

投稿日: 2024年7月9日 作成者: jarxiv

要約 音楽感情認識 (MER) 分野は、特徴エンジニアリング、機械学習、深層学習 … 続きを読む →

カテゴリー: cs.AI, cs.IR, cs.LG, cs.MM, cs.SD | MERGE — A Bimodal Dataset for Static Music Emotion Recognition はコメントを受け付けていません

Romanization Encoding For Multilingual ASR

投稿日: 2024年7月8日 作成者: jarxiv

要約 多言語およびコードスイッチング自動音声認識(ASR)システムを最適化するた … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Romanization Encoding For Multilingual ASR はコメントを受け付けていません

TokenVerse: Unifying Speech and NLP Tasks via Transducer-based ASR

投稿日: 2024年7月8日 作成者: jarxiv

要約 従来の音声からの会話インテリジェンスでは、カスケード・パイプラインが使用さ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | TokenVerse: Unifying Speech and NLP Tasks via Transducer-based ASR はコメントを受け付けていません

Controlling Whisper: Universal Acoustic Adversarial Attacks to Control Speech Foundation Models

投稿日: 2024年7月8日 作成者: jarxiv

要約 音声認識ベースの柔軟なシステムや、音声プロンプト付きの大規模言語モデル（L … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Controlling Whisper: Universal Acoustic Adversarial Attacks to Control Speech Foundation Models はコメントを受け付けていません

Performance Analysis of Speech Encoders for Low-Resource SLU and ASR in Tunisian Dialect

投稿日: 2024年7月8日 作成者: jarxiv

要約 自己教師あり学習(SSL)によって事前に学習された音声エンコーダは、音声言 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Performance Analysis of Speech Encoders for Low-Resource SLU and ASR in Tunisian Dialect はコメントを受け付けていません

Real-time Timbre Remapping with Differentiable DSP

投稿日: 2024年7月8日 作成者: jarxiv

要約 音色は、様々な音楽的文脈における主要な表現方法である。しかし、一般的なオー … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS, eess.SP | Real-time Timbre Remapping with Differentiable DSP はコメントを受け付けていません

Investigating Decoder-only Large Language Models for Speech-to-text Translation

投稿日: 2024年7月4日 作成者: jarxiv

要約 大規模言語モデル(LLM)は、その卓越した推論能力、汎用性、多様な領域にわ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Investigating Decoder-only Large Language Models for Speech-to-text Translation はコメントを受け付けていません

Speaker- and Text-Independent Estimation of Articulatory Movements and Phoneme Alignments from Speech

投稿日: 2024年7月4日 作成者: jarxiv

要約 本論文では、これまで別々に扱われてきた2つのタスク、すなわち音響音声-調音 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Speaker- and Text-Independent Estimation of Articulatory Movements and Phoneme Alignments from Speech はコメントを受け付けていません

GMM-ResNext: Combining Generative and Discriminative Models for Speaker Verification

投稿日: 2024年7月4日 作成者: jarxiv

要約 ディープラーニングの発展に伴い、話者検証において多くの異なるネットワークア … 続きを読む →

カテゴリー: cs.AI, cs.HC, cs.SD, eess.AS | GMM-ResNext: Combining Generative and Discriminative Models for Speaker Verification はコメントを受け付けていません

MuDiT & MuSiT: Alignment with Colloquial Expression in Description-to-Song Generation

投稿日: 2024年7月4日 作成者: jarxiv

要約 生成的AIと人間の芸術的プロセスが交錯する中、本研究では、人間中心の自動作 … 続きを読む →

カテゴリー: 68Txx(Primary)14F05, 91Fxx(Secondary), cs.AI, cs.MM, cs.SD, eess.AS, I.2.7 | MuDiT & MuSiT: Alignment with Colloquial Expression in Description-to-Song Generation はコメントを受け付けていません