「cs.SD」カテゴリーアーカイブ

DiscreteSLU: A Large Language Model with Self-Supervised Discrete Speech Units for Spoken Language Understanding

投稿日: 2024年6月14日 作成者: jarxiv

要約 事前トレーニングされたテキストベースの大規模言語モデル (LLM) と音声 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | DiscreteSLU: A Large Language Model with Self-Supervised Discrete Speech Units for Spoken Language Understanding 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14日 作成者: jarxiv

要約 人間の対話のためのリアルなオーディオを生成することは、映画や仮想現実ゲーム … 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

PianoMotion10M: Dataset and Benchmark for Hand Motion Generation in Piano Performance

投稿日: 2024年6月14日 作成者: jarxiv

要約 近年、教育における人工知能技術への注目が高まっていますが、効果的な楽器指導 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.SD, eess.AS | PianoMotion10M: Dataset and Benchmark for Hand Motion Generation in Piano Performance はコメントを受け付けていません

Broadband MEMS Microphone Arrays with Reduced Aperture Through 3D-Printed Waveguides

投稿日: 2024年6月13日 作成者: jarxiv

要約 この論文では、ビームフォーミング技術を使用する際に、超音波 MEMS マイ … 続きを読む →

カテゴリー: cs.RO, cs.SD, cs.SY, eess.AS, eess.SY | Broadband MEMS Microphone Arrays with Reduced Aperture Through 3D-Printed Waveguides はコメントを受け付けていません

SVSNet+: Enhancing Speaker Voice Similarity Assessment Models with Representations from Speech Foundation Models

投稿日: 2024年6月13日 作成者: jarxiv

要約 事前トレーニングされた音声基礎モデル (SFM) からの表現は、多くの下流 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | SVSNet+: Enhancing Speaker Voice Similarity Assessment Models with Representations from Speech Foundation Models はコメントを受け付けていません

tinyCLAP: Distilling Constrastive Language-Audio Pretrained Models

投稿日: 2024年6月13日 作成者: jarxiv

要約 Contrastive Language-Audio Pretrainin … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | tinyCLAP: Distilling Constrastive Language-Audio Pretrained Models はコメントを受け付けていません

Transformer-based Model for ASR N-Best Rescoring and Rewriting

投稿日: 2024年6月13日 作成者: jarxiv

要約 音声アシスタントは、速度とプライバシーを確​​保するために、オンデバイスの … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Transformer-based Model for ASR N-Best Rescoring and Rewriting はコメントを受け付けていません

Speech Emotion Recognition with ASR Transcripts: A Comprehensive Study on Word Error Rate and Fusion Techniques

投稿日: 2024年6月13日 作成者: jarxiv

要約 テキスト データは一般に、音声感情認識 (SER) のパフォーマンスと信頼 … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | Speech Emotion Recognition with ASR Transcripts: A Comprehensive Study on Word Error Rate and Fusion Techniques はコメントを受け付けていません

Towards Unsupervised Speech Recognition Without Pronunciation Models

投稿日: 2024年6月13日 作成者: jarxiv

要約 教師あり自動音声認識 (ASR) の最近の進歩は、主に大規模な書き起こされ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Towards Unsupervised Speech Recognition Without Pronunciation Models はコメントを受け付けていません

Understanding Sounds, Missing the Questions: The Challenge of Object Hallucination in Large Audio-Language Models

投稿日: 2024年6月13日 作成者: jarxiv

要約 大規模音声言語モデル (LALM) は、音声認識機能を統合することで従来の … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Understanding Sounds, Missing the Questions: The Challenge of Object Hallucination in Large Audio-Language Models はコメントを受け付けていません