-
最近の投稿
- Lightning UQ Box: A Comprehensive Framework for Uncertainty Quantification in Deep Learning
- Fine-Grained Expressive Power of Weisfeiler-Leman: A Homomorphism Counting Perspective
- Hybrid Feedback for Three-dimensional Convex Obstacle Avoidance (Extended version)
- Self-Deployable, Adaptive Soft Robots Based on Contracting-Cord Particle Jamming
- DecTrain: Deciding When to Train a DNN Online
-
最近のコメント
表示できるコメントはありません。 cs.AI (27713) cs.CL (20937) cs.CR (2171) cs.CV (34430) cs.LG (32450) cs.RO (15866) cs.SY (2464) eess.IV (4226) eess.SY (2458) stat.ML (4346)
「cs.SD」カテゴリーアーカイブ
BESTOW: Efficient and Streamable Speech Language Model with the Best of Two Worlds in GPT and T5
要約 音声理解機能を事前トレーニングされた大規模言語モデルに組み込むことは、研究 … 続きを読む
Subtractive Training for Music Stem Insertion using Latent Diffusion Models
要約 私たちは、他の楽器をコンテキストとして与えられた個々の楽器のステムを合成す … 続きを読む
Daisy-TTS: Simulating Wider Spectrum of Emotions via Prosody Embedding Decomposition
要約 私たちは感情を多面的に言葉で表現することがよくありますが、感情の強さはさま … 続きを読む
MuTox: Universal MUltilingual Audio-based TOXicity Dataset and Zero-shot Detector
要約 音声モダリティ(音声ベース)の自然言語処理における毒性検出の研究は、特に英 … 続きを読む
Application of ASV for Voice Identification after VC and Duration Predictor Improvement in TTS Models
要約 生体認証セキュリティの分野で最も重要なコンポーネントの 1 つは、話者の音 … 続きを読む
Taming Data and Transformers for Audio Generation
要約 環境音や環境効果の生成は、データ不足とキャプションの品質が不十分なことが多 … 続きを読む
SonicSense: Object Perception from In-Hand Acoustic Vibration
要約 SonicSense は、ハードウェアとソフトウェアの総合的な設計であり、 … 続きを読む
DiarizationLM: Speaker Diarization Post-Processing with Large Language Models
要約 このペーパーでは、大規模言語モデル (LLM) を利用して話者ダイアライゼ … 続きを読む
MSR-86K: An Evolving, Multilingual Corpus with 86,300 Hours of Transcribed Audio for Speech Recognition Research
要約 最近では、ChatGPT に代表される多言語人工知能アシスタントが非常に人 … 続きを読む
Advancing Airport Tower Command Recognition: Integrating Squeeze-and-Excitation and Broadcasted Residual Learning
要約 パイロットは航空交通管制の指示に正確に従わなければならないため、航空コマン … 続きを読む