「cs.SD」カテゴリーアーカイブ

Large Language Model Can Transcribe Speech in Multi-Talker Scenarios with Versatile Instructions

投稿日: 2024年9月16日 作成者: jarxiv

要約 大規模言語モデル (LLM) の最近の進歩はさまざまな領域に革命をもたらし … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Large Language Model Can Transcribe Speech in Multi-Talker Scenarios with Versatile Instructions はコメントを受け付けていません

LA-RAG:Enhancing LLM-based ASR Accuracy with Retrieval-Augmented Generation

投稿日: 2024年9月16日 作成者: jarxiv

要約 音声情報を大規模言語モデル (LLM) に統合する最近の進歩により、自動音 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | LA-RAG:Enhancing LLM-based ASR Accuracy with Retrieval-Augmented Generation はコメントを受け付けていません

Investigating Disentanglement in a Phoneme-level Speech Codec for Prosody Modeling

投稿日: 2024年9月16日 作成者: jarxiv

要約 音声韻律モデリングにおける一般的なアプローチのほとんどは、参照音声の属性を … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Investigating Disentanglement in a Phoneme-level Speech Codec for Prosody Modeling はコメントを受け付けていません

Exploring SSL Discrete Speech Features for Zipformer-based Contextual ASR

投稿日: 2024年9月16日 作成者: jarxiv

要約 自己教師あり学習 (SSL) ベースの離散音声表現は非常にコンパクトで、ド … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Exploring SSL Discrete Speech Features for Zipformer-based Contextual ASR はコメントを受け付けていません

Exploring SSL Discrete Tokens for Multilingual ASR

投稿日: 2024年9月16日 作成者: jarxiv

要約 音声関連タスクにおける自己教師あり学習 (SSL) の進歩に伴い、より高速 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Exploring SSL Discrete Tokens for Multilingual ASR はコメントを受け付けていません

Exploring the Impact of Data Quantity on ASR in Extremely Low-resource Languages

投稿日: 2024年9月16日 作成者: jarxiv

要約 この研究では、絶滅危惧種の 2 つのオーストロネシア語、アミ語とセデクに焦 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Exploring the Impact of Data Quantity on ASR in Extremely Low-resource Languages はコメントを受け付けていません

Towards Leveraging Contrastively Pretrained Neural Audio Embeddings for Recommender Tasks

投稿日: 2024年9月16日 作成者: jarxiv

要約 音楽レコメンダー システムは、音楽作品、アーティスト、ユーザー間の関係を把 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Towards Leveraging Contrastively Pretrained Neural Audio Embeddings for Recommender Tasks はコメントを受け付けていません

StyleSinger: Style Transfer for Out-of-Domain Singing Voice Synthesis

投稿日: 2024年9月13日 作成者: jarxiv

要約 ドメイン外 (OOD) 歌声合成 (SVS) のためのスタイル転送は、リフ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | StyleSinger: Style Transfer for Out-of-Domain Singing Voice Synthesis はコメントを受け付けていません

A corpus-based investigation of pitch contours of monosyllabic words in conversational Taiwan Mandarin

投稿日: 2024年9月13日 作成者: jarxiv

要約 中国語では、単独で、または注意して話したときに生成される単音節単語の音調の … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | A corpus-based investigation of pitch contours of monosyllabic words in conversational Taiwan Mandarin はコメントを受け付けていません

The Faetar Benchmark: Speech Recognition in a Very Under-Resourced Language

投稿日: 2024年9月13日 作成者: jarxiv

要約 Faetar 自動音声認識ベンチマークを紹介します。これは、低リソースの音 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | The Faetar Benchmark: Speech Recognition in a Very Under-Resourced Language はコメントを受け付けていません