「cs.SD」カテゴリーアーカイブ

The Greek podcast corpus: Competitive speech models for low-resourced languages with weakly supervised data

投稿日: 2024年6月24日 作成者: jarxiv

要約 デジタル表現が限られた言語の音声技術の開発は、主に利用可能なデータの不足に … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | The Greek podcast corpus: Competitive speech models for low-resourced languages with weakly supervised data はコメントを受け付けていません

Speech Emotion Recognition under Resource Constraints with Data Distillation

投稿日: 2024年6月24日 作成者: jarxiv

要約 音声感情認識 (SER) は、人間とコンピューターの対話において重要な役割 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Speech Emotion Recognition under Resource Constraints with Data Distillation はコメントを受け付けていません

DASB — Discrete Audio and Speech Benchmark

投稿日: 2024年6月24日 作成者: jarxiv

要約 離散オーディオ トークンは、オーディオと言語処理を接続し、最新のマルチモー … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | DASB — Discrete Audio and Speech Benchmark はコメントを受け付けていません

A Review of Common Online Speaker Diarization Methods

投稿日: 2024年6月21日 作成者: jarxiv

要約 話者ダイアリゼーションは、「誰がいつ話したか?」という質問に対する答えを提 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | A Review of Common Online Speaker Diarization Methods はコメントを受け付けていません

Proceedings of The second international workshop on eXplainable AI for the Arts (XAIxArts)

投稿日: 2024年6月21日 作成者: jarxiv

要約 Explainable AI for the Arts (XAIxArts … 続きを読む →

カテゴリー: cs.AI, cs.HC, cs.MM, cs.SD, eess.AS | Proceedings of The second international workshop on eXplainable AI for the Arts (XAIxArts) はコメントを受け付けていません

Action2Sound: Ambient-Aware Generation of Action Sounds from Egocentric Videos

投稿日: 2024年6月21日 作成者: jarxiv

要約 人間のインタラクション用にリアルなオーディオを生成することは、映画や仮想現 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.SD, eess.AS | Action2Sound: Ambient-Aware Generation of Action Sounds from Egocentric Videos はコメントを受け付けていません

Talk With Human-like Agents: Empathetic Dialogue Through Perceptible Acoustic Reception and Reaction

投稿日: 2024年6月19日 作成者: jarxiv

要約 大規模言語モデル (LLM) で強化されたエージェントは、人間と AI の … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Talk With Human-like Agents: Empathetic Dialogue Through Perceptible Acoustic Reception and Reaction はコメントを受け付けていません

BirdSet: A Dataset and Benchmark for Classification in Avian Bioacoustics

投稿日: 2024年6月18日 作成者: jarxiv

要約 ディープラーニング (DL) モデルは、環境の健全性を評価するための鳥類の … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | BirdSet: A Dataset and Benchmark for Classification in Avian Bioacoustics はコメントを受け付けていません

GAMA: A Large Audio-Language Model with Advanced Audio Understanding and Complex Reasoning Abilities

投稿日: 2024年6月18日 作成者: jarxiv

要約 非音声音と非言語音声を知覚して理解することは、周囲と対話するのに役立つ意思 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | GAMA: A Large Audio-Language Model with Advanced Audio Understanding and Complex Reasoning Abilities はコメントを受け付けていません

Diffusion Synthesizer for Efficient Multilingual Speech to Speech Translation

投稿日: 2024年6月17日 作成者: jarxiv

要約 DiffuseST は、複数のソース言語から英語に翻訳しながら、入力話者の … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Diffusion Synthesizer for Efficient Multilingual Speech to Speech Translation はコメントを受け付けていません