「cs.SD」カテゴリーアーカイブ

ASR Benchmarking: Need for a More Representative Conversational Dataset

投稿日: 2024年9月19日 作成者: jarxiv

要約 自動音声認識 (ASR) システムは、LibriSpeech や Fleu … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | ASR Benchmarking: Need for a More Representative Conversational Dataset はコメントを受け付けていません

Low Frame-rate Speech Codec: a Codec Designed for Fast High-quality Speech LLM Training and Inference

投稿日: 2024年9月19日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、オーディオを個別のトークンに変換するオー … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Low Frame-rate Speech Codec: a Codec Designed for Fast High-quality Speech LLM Training and Inference はコメントを受け付けていません

Pareto Data Framework: Steps Towards Resource-Efficient Decision Making Using Minimum Viable Data (MVD)

投稿日: 2024年9月19日 作成者: jarxiv

要約 このペーパーでは、組み込みシステム、モバイル デバイス、モノのインターネッ … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Pareto Data Framework: Steps Towards Resource-Efficient Decision Making Using Minimum Viable Data (MVD) はコメントを受け付けていません

Takin: A Cohort of Superior Quality Zero-shot Speech Generation Models

投稿日: 2024年9月19日 作成者: jarxiv

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 →

カテゴリー: cs.AI, cs.SD, eess.AS | Takin: A Cohort of Superior Quality Zero-shot Speech Generation Models はコメントを受け付けていません

LC-Protonets: Multi-label Few-shot learning for world music audio tagging

投稿日: 2024年9月18日 作成者: jarxiv

要約 我々は、モデルを少数の利用可能な例のみに基づいて新しいクラスに一般化する必 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | LC-Protonets: Multi-label Few-shot learning for world music audio tagging はコメントを受け付けていません

Learning Spatially-Aware Language and Audio Embedding

投稿日: 2024年9月18日 作成者: jarxiv

要約 人間は、不正確な自然言語記述が与えられたとしても、音のシーンを思い描くこと … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Learning Spatially-Aware Language and Audio Embedding はコメントを受け付けていません

Spontaneous Informal Speech Dataset for Punctuation Restoration

投稿日: 2024年9月18日 作成者: jarxiv

要約 現在、句読点復元モデルは、ほぼ完全に構造化され、スクリプト化されたコーパス … 続きを読む →

カテゴリー: cs.CL, cs.HC, cs.LG, cs.SD, eess.AS | Spontaneous Informal Speech Dataset for Punctuation Restoration はコメントを受け付けていません

WER We Stand: Benchmarking Urdu ASR Models

投稿日: 2024年9月18日 作成者: jarxiv

要約 このペーパーでは、ウルドゥー語自動音声認識 (ASR) モデルの包括的な評 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | WER We Stand: Benchmarking Urdu ASR Models はコメントを受け付けていません

High-Resolution Speech Restoration with Latent Diffusion Model

投稿日: 2024年9月18日 作成者: jarxiv

要約 従来の音声強調方法は、単一の種類の歪みに焦点を当てて復元タスクを過度に単純 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | High-Resolution Speech Restoration with Latent Diffusion Model はコメントを受け付けていません

Learning Source Disentanglement in Neural Audio Codec

投稿日: 2024年9月18日 作成者: jarxiv

要約 ニューラル オーディオ コーデックは、連続オーディオ信号を個別のトークンに … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Learning Source Disentanglement in Neural Audio Codec はコメントを受け付けていません