「cs.SD」カテゴリーアーカイブ

NaturalSpeech 3: Zero-Shot Speech Synthesis with Factorized Codec and Diffusion Models

投稿日: 2024年4月24日 作成者: jarxiv

要約 最近の大規模な音声合成 (TTS) モデルは大幅な進歩を遂げていますが、音 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | NaturalSpeech 3: Zero-Shot Speech Synthesis with Factorized Codec and Diffusion Models はコメントを受け付けていません

StoryTTS: A Highly Expressive Text-to-Speech Dataset with Rich Textual Expressiveness Annotations

投稿日: 2024年4月24日 作成者: jarxiv

要約 音響表現力は表現力豊かなテキスト読み上げ (ETTS) において長い間研究 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | StoryTTS: A Highly Expressive Text-to-Speech Dataset with Rich Textual Expressiveness Annotations はコメントを受け付けていません

Robotic Blended Sonification: Consequential Robot Sound as Creative Material for Human-Robot Interaction

投稿日: 2024年4月23日 作成者: jarxiv

要約 ロボット音に関する現在の研究は一般に、ロボットによって生成される結果的な音 … 続きを読む →

カテゴリー: cs.HC, cs.RO, cs.SD, eess.AS | Robotic Blended Sonification: Consequential Robot Sound as Creative Material for Human-Robot Interaction はコメントを受け付けていません

Scoring Intervals using Non-Hierarchical Transformer For Automatic Piano Transcription

投稿日: 2024年4月23日 作成者: jarxiv

要約 ニューラルのセミマルコフ条件付きランダムフィールド（セミCRF）フレームワ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Scoring Intervals using Non-Hierarchical Transformer For Automatic Piano Transcription はコメントを受け付けていません

Africa-Centric Self-Supervised Pre-Training for Multilingual Speech Representation in a Sub-Saharan Context

投稿日: 2024年4月23日 作成者: jarxiv

要約 アフリカの音声のみを対象としてトレーニングされた、最初の自己教師あり多言語 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Africa-Centric Self-Supervised Pre-Training for Multilingual Speech Representation in a Sub-Saharan Context はコメントを受け付けていません

Dynamic Cross Attention for Audio-Visual Person Verification

投稿日: 2024年4月23日 作成者: jarxiv

要約 個人または身元の検証は、主に顔や音声などの個別のモダリティを使用して研究さ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Dynamic Cross Attention for Audio-Visual Person Verification はコメントを受け付けていません

TRNet: Two-level Refinement Network leveraging Speech Enhancement for Noise Robust Speech Emotion Recognition

投稿日: 2024年4月22日 作成者: jarxiv

要約 音声感情認識 (SER) における永続的な課題の 1 つは、遍在する環境ノ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | TRNet: Two-level Refinement Network leveraging Speech Enhancement for Noise Robust Speech Emotion Recognition はコメントを受け付けていません

TIMIT Speaker Profiling: A Comparison of Multi-task learning and Single-task learning Approaches

投稿日: 2024年4月19日 作成者: jarxiv

要約 この研究では、深層学習技術を使用して、TIMIT データセット上の 4 つ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | TIMIT Speaker Profiling: A Comparison of Multi-task learning and Single-task learning Approaches はコメントを受け付けていません

Enhancing Suicide Risk Assessment: A Speech-Based Automated Approach in Emergency Medicine

投稿日: 2024年4月19日 作成者: jarxiv

要約 救急部門での専門的な精神医学的評価と自殺傾向のリスクのある患者へのケアへの … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS, I.2 | Enhancing Suicide Risk Assessment: A Speech-Based Automated Approach in Emergency Medicine はコメントを受け付けていません

Vesper: A Compact and Effective Pretrained Model for Speech Emotion Recognition

投稿日: 2024年4月19日 作成者: jarxiv

要約 この論文では、一般的な大規模事前学習モデル (PTM) を音声感情認識タス … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Vesper: A Compact and Effective Pretrained Model for Speech Emotion Recognition はコメントを受け付けていません