「cs.SD」カテゴリーアーカイブ

Sylber: Syllabic Embedding Representation of Speech from Raw Audio

投稿日: 2024年10月10日 作成者: jarxiv

要約 音節は、人間の音声の知覚と生成において重要な役割を果たす話し言葉の構成単位 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Sylber: Syllabic Embedding Representation of Speech from Raw Audio はコメントを受け付けていません

CMMD: Contrastive Multi-Modal Diffusion for Video-Audio Conditional Modeling

投稿日: 2024年10月10日 作成者: jarxiv

要約 ビデオとオーディオの双方向の条件付き生成に合わせたマルチモーダル拡散モデル … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | CMMD: Contrastive Multi-Modal Diffusion for Video-Audio Conditional Modeling はコメントを受け付けていません

Presto! Distilling Steps and Layers for Accelerating Music Generation

投稿日: 2024年10月8日 作成者: jarxiv

要約 拡散ベースのテキスト音楽変換 (TTM) 手法は進歩していますが、効率的で … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Presto! Distilling Steps and Layers for Accelerating Music Generation はコメントを受け付けていません

Non-Invasive Suicide Risk Prediction Through Speech Analysis

投稿日: 2024年10月8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 | Non-Invasive Suicide Risk Prediction Through Speech Analysis はコメントを受け付けていません

Audio-Agent: Leveraging LLMs For Audio Generation, Editing and Composition

投稿日: 2024年10月7日 作成者: jarxiv

要約 テキストやビデオ入力に基づく音声生成、編集、作曲のためのマルチモーダルフレ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Audio-Agent: Leveraging LLMs For Audio Generation, Editing and Composition はコメントを受け付けていません

SonicSense: Object Perception from In-Hand Acoustic Vibration

投稿日: 2024年10月4日 作成者: jarxiv

要約 SonicSenseを紹介する。SonicSenseは、ハードウェアとソフ … 続きを読む →

カテゴリー: cs.MM, cs.RO, cs.SD, eess.AS | SonicSense: Object Perception from In-Hand Acoustic Vibration はコメントを受け付けていません

Enhancing the analysis of murine neonatal ultrasonic vocalizations: Development, evaluation, and application of different mathematical models

投稿日: 2024年10月2日 作成者: jarxiv

要約 げっ歯類は、社会的コミュニケーションのために広範囲の超音波発声 (USV) … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Enhancing the analysis of murine neonatal ultrasonic vocalizations: Development, evaluation, and application of different mathematical models はコメントを受け付けていません

Active Listener: Continuous Generation of Listener’s Head Motion Response in Dyadic Interactions

投稿日: 2024年10月1日 作成者: jarxiv

要約 二項音声対話の重要な要素は、対話者の発話に対する聞き手の反応を反映する頭の … 続きを読む →

カテゴリー: cs.RO, cs.SD, eess.AS | Active Listener: Continuous Generation of Listener’s Head Motion Response in Dyadic Interactions はコメントを受け付けていません

AfriHuBERT: A self-supervised speech representation model for African languages

投稿日: 2024年10月1日 作成者: jarxiv

要約 この研究では、もともと 147 の言語で事前トレーニングされた、最先端 ( … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | AfriHuBERT: A self-supervised speech representation model for African languages はコメントを受け付けていません

Alignment-Free Training for Transducer-based Multi-Talker ASR

投稿日: 2024年10月1日 作成者: jarxiv

要約 RNN トランスデューサ (RNNT) を拡張して複数話者の音声を認識する … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Alignment-Free Training for Transducer-based Multi-Talker ASR はコメントを受け付けていません