「cs.SD」カテゴリーアーカイブ

CosyVoice 2: Scalable Streaming Speech Synthesis with Large Language Models

投稿日: 2024年12月16日 作成者: jarxiv

要約 前回の研究では、教師付き離散音声トークンに基づく多言語音声合成モデルである … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | CosyVoice 2: Scalable Streaming Speech Synthesis with Large Language Models はコメントを受け付けていません

Missing Melodies: AI Music Generation and its ‘Nearly’ Complete Omission of the Global South

投稿日: 2024年12月13日 作成者: jarxiv

要約 生成 AI の最近の進歩により、音楽生成に対する新たな関心と可能性が広がり … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Missing Melodies: AI Music Generation and its ‘Nearly’ Complete Omission of the Global South はコメントを受け付けていません

Audios Don’t Lie: Multi-Frequency Channel Attention Mechanism for Audio Deepfake Detection

投稿日: 2024年12月13日 作成者: jarxiv

要約 人工知能技術の急速な発展に伴い、オーディオ分野でのディープフェイク技術の適 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Audios Don’t Lie: Multi-Frequency Channel Attention Mechanism for Audio Deepfake Detection はコメントを受け付けていません

Watermarking Training Data of Music Generation Models

投稿日: 2024年12月13日 作成者: jarxiv

要約 生成人工知能 (Gen-AI) モデルは、テキスト、画像、オーディオなどの … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Watermarking Training Data of Music Generation Models 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13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

Watermarking Training Data of Music Generation Models

投稿日: 2024年12月12日 作成者: jarxiv

要約 生成人工知能 (Gen-AI) モデルは、テキスト、画像、オーディオなどの … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Watermarking Training Data of Music Generation Models 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12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

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