「cs.SD」カテゴリーアーカイブ

VoiceBench: Benchmarking LLM-Based Voice Assistants

投稿日: 2024年12月12日 作成者: jarxiv

要約 大規模言語モデル (LLM) の成功に基づいて、GPT-4o などの最近の … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | VoiceBench: Benchmarking LLM-Based Voice Assistants はコメントを受け付けていません

PointTalk: Audio-Driven Dynamic Lip Point Cloud for 3D Gaussian-based Talking Head Synthesis

投稿日: 2024年12月12日 作成者: jarxiv

要約 任意の音声オーディオを使用したトーキングヘッド合成は、デジタル ヒューマン … 続きを読む →

カテゴリー: cs.AI, cs.GR, cs.MM, cs.SD, eess.AS | PointTalk: Audio-Driven Dynamic Lip Point Cloud for 3D Gaussian-based Talking Head Synthesis はコメントを受け付けていません

AdvWave: Stealthy Adversarial Jailbreak Attack against Large Audio-Language Models

投稿日: 2024年12月12日 作成者: jarxiv

要約 大規模音声言語モデル (LALM) の最近の進歩により、音声ベースのユーザ … 続きを読む →

カテゴリー: cs.AI, cs.CR, cs.SD, eess.AS | AdvWave: Stealthy Adversarial Jailbreak Attack against Large Audio-Language Models はコメントを受け付けていません

AI TrackMate: Finally, Someone Who Will Give Your Music More Than Just ‘Sounds Great!’

投稿日: 2024年12月10日 作成者: jarxiv

要約 「ベッドルームプロデューサー」の台頭により、音楽制作が民主化される一方で、 … 続きを読む →

カテゴリー: cs.HC, cs.LG, cs.MM, cs.SD, eess.AS | AI TrackMate: Finally, Someone Who Will Give Your Music More Than Just ‘Sounds Great!’ はコメントを受け付けていません

Speech Robust Bench: A Robustness Benchmark For Speech Recognition

投稿日: 2024年12月10日 作成者: jarxiv

要約 自動音声認識 (ASR) モデルがますます普及するにつれて、物理世界とデジ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Speech Robust Bench: A Robustness Benchmark For Speech Recognition はコメントを受け付けていません

EmoSpeech: A Corpus of Emotionally Rich and Contextually Detailed Speech Annotations

投稿日: 2024年12月10日 作成者: jarxiv

要約 テキスト読み上げ (TTS) テクノロジーの進歩により、生成される音声の品 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | EmoSpeech: A Corpus of Emotionally Rich and Contextually Detailed Speech Annotations はコメントを受け付けていません

Towards Controllable Speech Synthesis in the Era of Large Language Models: A Survey

投稿日: 2024年12月10日 作成者: jarxiv

要約 音声合成としても知られる Text-to-Speech (TTS) は、テ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.MM, cs.SD, eess.AS | Towards Controllable Speech Synthesis in the Era of Large Language Models: A Survey はコメントを受け付けていません

Source Separation & Automatic Transcription for Music

投稿日: 2024年12月10日 作成者: jarxiv

要約 ソース分離は、複数の音の聴覚的混合から個々の音を分離するプロセスであり [ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Source Separation & Automatic Transcription for Music はコメントを受け付けていません

FabuLight-ASD: Unveiling Speech Activity via Body Language

投稿日: 2024年12月10日 作成者: jarxiv

要約 マルチモーダル環境におけるアクティブ話者検出 (ASD) は、ビデオ会議か … 続きを読む →

カテゴリー: 68T20, cs.CV, cs.LG, cs.NE, cs.SD, eess.AS, I.2.0 | FabuLight-ASD: Unveiling Speech Activity via Body Language はコメントを受け付けていません

Benchmarking Open-ended Audio Dialogue Understanding for Large Audio-Language Models

投稿日: 2024年12月9日 作成者: jarxiv

要約 Large Audio-Language Model (LALM) にはク … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Benchmarking Open-ended Audio Dialogue Understanding for Large Audio-Language Models はコメントを受け付けていません