「cs.SD」カテゴリーアーカイブ

Step-Audio-AQAA: a Fully End-to-End Expressive Large Audio Language Model

投稿日: 2025年6月11日 作成者: jarxiv

要約 大規模なオーディオ言語モデル（LALMS）は、インテリジェントなヒューマン … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Step-Audio-AQAA: a Fully End-to-End Expressive Large Audio Language Model はコメントを受け付けていません

Label-Context-Dependent Internal Language Model Estimation for CTC

投稿日: 2025年6月9日 作成者: jarxiv

要約 コネクショニストの時間分類（CTC）には、ラベルコンテキストの独立性の仮定 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Label-Context-Dependent Internal Language Model Estimation for CTC はコメントを受け付けていません

Efficient and Direct Duplex Modeling for Speech-to-Speech Language Model

投稿日: 2025年6月9日 作成者: jarxiv

要約 話し言葉の対話は、人間のコンピューターの相互作用の直感的な形式ですが、現在 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Efficient and Direct Duplex Modeling for Speech-to-Speech Language Model はコメントを受け付けていません

Efficient Fine-Grained Guidance for Diffusion Model Based Symbolic Music Generation

投稿日: 2025年6月9日 作成者: jarxiv

要約 生成モデルを開発して、象徴的な音楽を作成または条件付けて作成することは、デ … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.MM, cs.SD, eess.AS | Efficient Fine-Grained Guidance for Diffusion Model Based Symbolic Music Generation はコメントを受け付けていません

The NTNU System at the S&I Challenge 2025 SLA Open Track

投稿日: 2025年6月6日 作成者: jarxiv

要約 音声言語評価に関する最近の研究ライン（SLA）は、BertやWAV2VEC … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | The NTNU System at the S&I Challenge 2025 SLA Open Track はコメントを受け付けていません

Survey on the Evaluation of Generative Models in Music

投稿日: 2025年6月6日 作成者: jarxiv

要約 音楽における生成システムに関する研究は、近年かなりの注目と成長を遂げていま … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD | Survey on the Evaluation of Generative Models in Music はコメントを受け付けていません

AudioLens: A Closer Look at Auditory Attribute Perception of Large Audio-Language Models

投稿日: 2025年6月6日 作成者: jarxiv

要約 大規模なオーディオ言語モデル（LALMS）の内部メカニズムを理解することは … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | AudioLens: A Closer Look at Auditory Attribute Perception of Large Audio-Language Models はコメントを受け付けていません

Acoustically Precise Hesitation Tagging Is Essential for End-to-End Verbatim Transcription Systems

投稿日: 2025年6月5日 作成者: jarxiv

要約 自動スピーキング評価のための逐語的転写は、エラー分析やフィードバックなどの … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Acoustically Precise Hesitation Tagging Is Essential for End-to-End Verbatim Transcription Systems はコメントを受け付けていません

A Novel Data Augmentation Approach for Automatic Speaking Assessment on Opinion Expressions

投稿日: 2025年6月5日 作成者: jarxiv

要約 意見表現に関する自動スピーキング評価（ASA）は、ラベル付きの録音の希少性 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | A Novel Data Augmentation Approach for Automatic Speaking Assessment on Opinion Expressions はコメントを受け付けていません

UniCUE: Unified Recognition and Generation Framework for Chinese Cued Speech Video-to-Speech Generation

投稿日: 2025年6月5日 作成者: jarxiv

要約 手がかりのスピーチ（CS）は、ハンドコーディングを通じてリップリーディング … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | UniCUE: Unified Recognition and Generation Framework for Chinese Cued Speech Video-to-Speech Generation はコメントを受け付けていません