「cs.SD」カテゴリーアーカイブ

Universal Sound Separation with Self-Supervised Audio Masked Autoencoder

投稿日: 2024年11月7日 作成者: jarxiv

要約 ユニバーサル サウンド セパレーション (USS) は、任意の音源の混合物 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Universal Sound Separation with Self-Supervised Audio Masked Autoencoder はコメントを受け付けていません

Blind Estimation of Sub-band Acoustic Parameters from Ambisonics Recordings using Spectro-Spatial Covariance Features

投稿日: 2024年11月6日 作成者: jarxiv

要約 周波数によって変化する音響パラメータを推定することは、現実的な空間オーディ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, eess.SP | Blind Estimation of Sub-band Acoustic Parameters from Ambisonics Recordings using Spectro-Spatial Covariance Features はコメントを受け付けていません

Towards Deep Active Learning in Avian Bioacoustics

投稿日: 2024年11月6日 作成者: jarxiv

要約 鳥類の生体音響における受動音響モニタリング (PAM) により、自然の生息 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Towards Deep Active Learning in Avian Bioacoustics はコメントを受け付けていません

MuPT: A Generative Symbolic Music Pretrained Transformer

投稿日: 2024年11月6日 作成者: jarxiv

要約 この論文では、音楽の事前トレーニングへの大規模言語モデル (LLM) の適 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | MuPT: A Generative Symbolic Music Pretrained Transformer はコメントを受け付けていません

3D Audio-Visual Segmentation

投稿日: 2024年11月5日 作成者: jarxiv

要約 シーン中の発音体を認識することは、具現化AIにおける長年の課題であり、ロボ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | 3D Audio-Visual Segmentation はコメントを受け付けていません

Lightweight Transducer Based on Frame-Level Criterion

投稿日: 2024年11月4日 作成者: jarxiv

要約 シーケンスレベルの基準に基づいて学習されたトランスデューサモデルは、大きな … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Lightweight Transducer Based on Frame-Level Criterion はコメントを受け付けていません

Generative Pre-trained Speech Language Model with Efficient Hierarchical Transformer

投稿日: 2024年11月4日 作成者: jarxiv

要約 近年の音声言語モデルの進歩は著しいが、ニューラルオーディオコーデックの長い … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Generative Pre-trained Speech Language Model with Efficient Hierarchical Transformer はコメントを受け付けていません

Conditional GAN for Enhancing Diffusion Models in Efficient and Authentic Global Gesture Generation from Audios

投稿日: 2024年11月4日 作成者: jarxiv

要約 音声による同時ジェスチャー生成は、人間とコンピュータのコミュニケーション、 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.GR, cs.SD, eess.AS | Conditional GAN for Enhancing Diffusion Models in Efficient and Authentic Global Gesture Generation from Audios はコメントを受け付けていません

Speech is More Than Words: Do Speech-to-Text Translation Systems Leverage Prosody?

投稿日: 2024年11月1日 作成者: jarxiv

要約 強勢、イントネーション、リズムなどの特徴を含む、話し言葉の韻律は、基礎とな … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Speech is More Than Words: Do Speech-to-Text Translation Systems Leverage Prosody? はコメントを受け付けていません

DC-Spin: A Speaker-invariant Speech Tokenizer for Spoken Language Models

投稿日: 2024年11月1日 作成者: jarxiv

要約 音声言語モデル (SLM) は、テキストベースのデコーダのみの言語モデルの … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | DC-Spin: A Speaker-invariant Speech Tokenizer for Spoken Language Models はコメントを受け付けていません