「cs.SD」カテゴリーアーカイブ

MSA-ASR: Efficient Multilingual Speaker Attribution with frozen ASR Models

投稿日: 2025年1月16日 作成者: jarxiv

要約 話者属性自動音声認識 (SA-ASR) は、音声を文字に起こしながら、対応 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | MSA-ASR: Efficient Multilingual Speaker Attribution with frozen ASR Models はコメントを受け付けていません

XMusic: Towards a Generalized and Controllable Symbolic Music Generation Framework

投稿日: 2025年1月16日 作成者: jarxiv

要約 近年、画像合成やテキスト生成の分野でAIGC（Artificial Int … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | XMusic: Towards a Generalized and Controllable Symbolic Music Generation Framework はコメントを受け付けていません

AdaptVC: High Quality Voice Conversion with Adaptive Learning

投稿日: 2025年1月15日 作成者: jarxiv

要約 音声変換の目標は、元の内容を保持しながら、ソース話者の音声を基準話者の音声 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | AdaptVC: High Quality Voice Conversion with Adaptive Learning はコメントを受け付けていません

Optimizing Speech Multi-View Feature Fusion through Conditional Computation

投稿日: 2025年1月15日 作成者: jarxiv

要約 最近の進歩により、さまざまな音声関連タスクにおける自己教師あり学習 (SS … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Optimizing Speech Multi-View Feature Fusion through Conditional Computation はコメントを受け付けていません

Audio-visual Deepfake Detection With Local Temporal Inconsistencies

投稿日: 2025年1月15日 作成者: jarxiv

要約 この論文では、オーディオとビジュアルのモダリティ間のきめ細かい時間的不一致 … 続きを読む →

カテゴリー: cs.CR, cs.CV, cs.MM, cs.SD, eess.AS | Audio-visual Deepfake Detection With Local Temporal Inconsistencies はコメントを受け付けていません

AdaCS: Adaptive Normalization for Enhanced Code-Switching ASR

投稿日: 2025年1月14日 作成者: jarxiv

要約 センテンシャル内コードスイッチング (CS) は、単一の発話内で発生する言 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | AdaCS: Adaptive Normalization for Enhanced Code-Switching ASR はコメントを受け付けていません

Audio-CoT: Exploring Chain-of-Thought Reasoning in Large Audio Language Model

投稿日: 2025年1月14日 作成者: jarxiv

要約 Large Audio-Language Model (LALM) は、音 … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | Audio-CoT: Exploring Chain-of-Thought Reasoning in Large Audio Language Model はコメントを受け付けていません

Joint Automatic Speech Recognition And Structure Learning For Better Speech Understanding

投稿日: 2025年1月14日 作成者: jarxiv

要約 音声言語理解 (SLU) は、音声の分野における構造予測タスクです。 最近 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Joint Automatic Speech Recognition And Structure Learning For Better Speech Understanding はコメントを受け付けていません

Estimating Musical Surprisal in Audio

投稿日: 2025年1月14日 作成者: jarxiv

要約 計算手法を使用して音楽の驚きの期待をモデル化する際に、自己回帰モデルからの … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Estimating Musical Surprisal in Audio はコメントを受け付けていません

The Sound of Water: Inferring Physical Properties from Pouring Liquids

投稿日: 2025年1月14日 作成者: jarxiv

要約 私たちは、視聴覚観察と、液体を注ぐという平凡だが興味深い日常活動の基礎とな … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | The Sound of Water: Inferring Physical Properties from Pouring Liquids はコメントを受け付けていません