「cs.SD」カテゴリーアーカイブ

Automatic Equalization for Individual Instrument Tracks Using Convolutional Neural Networks

投稿日: 2024年7月24日 作成者: jarxiv

要約 個々の楽器トラックの自動イコライゼーションのための新しいアプローチを提案し … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Automatic Equalization for Individual Instrument Tracks Using Convolutional Neural Networks はコメントを受け付けていません

Evolutionary Prompt Design for LLM-Based Post-ASR Error Correction

投稿日: 2024年7月24日 作成者: jarxiv

要約 最新の大規模言語モデル (LLM) の強みを基盤として、生成的誤り訂正 ( … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Evolutionary Prompt Design for LLM-Based Post-ASR Error Correction はコメントを受け付けていません

Audio Prompt Adapter: Unleashing Music Editing Abilities for Text-to-Music with Lightweight Finetuning

投稿日: 2024年7月24日 作成者: jarxiv

要約 テキストから音楽へのモデルを使用すると、ユーザーはテキスト コマンドを使用 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Audio Prompt Adapter: Unleashing Music Editing Abilities for Text-to-Music with Lightweight Finetuning はコメントを受け付けていません

Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization

投稿日: 2024年7月24日 作成者: jarxiv

要約 最近、新しい形式の音声部分偽造がフォレンジックに課題をもたらしており、長時 … 続きを読む →

カテゴリー: 68T07, 68T10, cs.CV, cs.MM, cs.SD, eess.AS, I.2 | Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization はコメントを受け付けていません

Generating Sample-Based Musical Instruments Using Neural Audio Codec Language Models

投稿日: 2024年7月23日 作成者: jarxiv

要約 この論文では、テキストまたは参照音声プロンプトに基づいてサンプルベースの楽 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Generating Sample-Based Musical Instruments Using Neural Audio Codec Language Models はコメントを受け付けていません

TTSDS — Text-to-Speech Distribution Score

投稿日: 2024年7月23日 作成者: jarxiv

要約 最近公開された Text-to-Speech (TTS) システムの多くは … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | TTSDS — Text-to-Speech Distribution Score はコメントを受け付けていません

Cross-Speaker Encoding Network for Multi-Talker Speech Recognition

投稿日: 2024年7月23日 作成者: jarxiv

要約 エンドツーエンドのマルチ話者音声認識は、複数の話者からの重複した音声を直接 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Cross-Speaker Encoding Network for Multi-Talker Speech Recognition はコメントを受け付けていません

J-CHAT: Japanese Large-scale Spoken Dialogue Corpus for Spoken Dialogue Language Modeling

投稿日: 2024年7月23日 作成者: jarxiv

要約 音声対話は人間と AI の対話において重要な役割を果たしており、対話指向の … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | J-CHAT: Japanese Large-scale Spoken Dialogue Corpus for Spoken Dialogue Language Modeling はコメントを受け付けていません

dMel: Speech Tokenization made Simple

投稿日: 2024年7月23日 作成者: jarxiv

要約 大規模な言語モデルは、膨大なテキスト データに対する自己教師あり事前トレー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | dMel: Speech Tokenization made Simple はコメントを受け付けていません

Braille-to-Speech Generator: Audio Generation Based on Joint Fine-Tuning of CLIP and Fastspeech2

投稿日: 2024年7月22日 作成者: jarxiv

要約 さまざまな程度の視覚障害に悩む中国人が増えているため、視野内の単一の画像ま … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Braille-to-Speech Generator: Audio Generation Based on Joint Fine-Tuning of CLIP and Fastspeech2 はコメントを受け付けていません