「cs.SD」カテゴリーアーカイブ

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

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

投稿日: 2024年12月6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

Representation Purification for End-to-End Speech Translation

投稿日: 2024年12月6日 作成者: jarxiv

要約 音声からテキストへの翻訳 (ST) は、音声言語を別の言語のテキストに変換 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Representation Purification for End-to-End Speech Translation はコメントを受け付けていません

CA-SSLR: Condition-Aware Self-Supervised Learning Representation for Generalized Speech Processing

投稿日: 2024年12月6日 作成者: jarxiv

要約 さまざまな音声処理タスクに広く適用できる汎用条件付けモデルである、Cond … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | CA-SSLR: Condition-Aware Self-Supervised Learning Representation for Generalized Speech Processing はコメントを受け付けていません

WaveletGPT: Wavelets Meet Large Language Models

投稿日: 2024年12月6日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、あらゆる科学分野と専門分野に影響を与える … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS, eess.SP | WaveletGPT: Wavelets Meet Large Language Models はコメントを受け付けていません