-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
「cs.SD」カテゴリーアーカイブ
StyleSinger 2: Zero-Shot Singing Voice Synthesis with Style Transfer and Multi-Level Style Control
要約 スタイルトランスファーとスタイルコントロールを備えたゼロショット歌声合成（ … 続きを読む
tinyCLAP: Distilling Constrastive Language-Audio Pretrained Models
要約 Contrastive Language-Audio Pretrainin … 続きを読む
Bridging Speech and Text: Enhancing ASR with Pinyin-to-Character Pre-training in LLMs
要約 大規模言語モデル (LLM) と事前トレーニングされた音声モデルの統合によ … 続きを読む
Learn and Don’t Forget: Adding a New Language to ASR Foundation Models
要約 Foundation ASR モデルは多くの場合、多くの言語をサポートしま … 続きを読む
Beyond the binary: Limitations and possibilities of gender-related speech technology research
要約 この論文は、2013 年から 2023 年までに ISCA Intersp … 続きを読む
Leveraging Mixture of Experts for Improved Speech Deepfake Detection
要約 音声ディープフェイクは、個人のセキュリティとコンテンツの信頼性に重大な … 続きを読む
Scenario of Use Scheme: Threat Model Specification for Speaker Privacy Protection in the Medical Domain
要約 病気の検出や監視のために音声録音が頻繁に使用されるようになり、プライバシー … 続きを読む
Facial Expression-Enhanced TTS: Combining Face Representation and Emotion Intensity for Adaptive Speech
要約 FEIM-TTS は、顔画像に合わせて感情の強さによって調整され、感情表現 … 続きを読む
Takin: A Cohort of Superior Quality Zero-shot Speech Generation Models
要約 ビッグデータと大規模言語モデル時代の到来により、ゼロショットでパーソナライ … 続きを読む
Takin: A Cohort of Superior Quality Zero-shot Speech Generation Models
要約 ビッグデータと大規模言語モデル時代の到来により、ゼロショットでパーソナライ … 続きを読む