「cs.SD」カテゴリーアーカイブ

Sheet Music Transformer: End-To-End Optical Music Recognition Beyond Monophonic Transcription

投稿日: 2024年2月13日 作成者: jarxiv

要約 最先端のエンドツーエンドの光学式音楽認識 (OMR) は、これまで主にモノ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Sheet Music Transformer: End-To-End Optical Music Recognition Beyond Monophonic Transcription はコメントを受け付けていません

Multimodal Attention Merging for Improved Speech Recognition and Audio Event Classification

投稿日: 2024年2月12日 作成者: jarxiv

要約 ラベルのないデータに対して自己教師あり目標を使用して大規模な基礎モデルをト … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Multimodal Attention Merging for Improved Speech Recognition and Audio Event Classification はコメントを受け付けていません

Self-consistent context aware conformer transducer for speech recognition

投稿日: 2024年2月12日 作成者: jarxiv

要約 我々は、ASR システムにコンテキスト情報フローを追加する配座異性体トラン … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Self-consistent context aware conformer transducer for speech recognition はコメントを受け付けていません

Establishing degrees of closeness between audio recordings along different dimensions using large-scale cross-lingual models

投稿日: 2024年2月9日 作成者: jarxiv

要約 リソースが少ない言語研究という非常に制約されたコンテキストにおいて、事前学 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Establishing degrees of closeness between audio recordings along different dimensions using large-scale cross-lingual models はコメントを受け付けていません

Unified Speech-Text Pretraining for Spoken Dialog Modeling

投稿日: 2024年2月9日 作成者: jarxiv

要約 最近の研究では、音声を直接理解して合成するための大規模言語モデル (LLM … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Unified Speech-Text Pretraining for Spoken Dialog Modeling はコメントを受け付けていません

SpiRit-LM: Interleaved Spoken and Written Language Model

投稿日: 2024年2月9日 作成者: jarxiv

要約 テキストと音声を自由に混合する基礎マルチモーダル言語モデルである SPIR … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SpiRit-LM: Interleaved Spoken and Written Language Model はコメントを受け付けていません

MERT: Acoustic Music Understanding Model with Large-Scale Self-supervised Training

投稿日: 2024年2月8日 作成者: jarxiv

要約 自己教師あり学習 (SSL) は、視覚、テキスト、および音声の分野の大規模 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | MERT: Acoustic Music Understanding Model with Large-Scale Self-supervised Training はコメントを受け付けていません

MusicRL: Aligning Music Generation to Human Preferences

投稿日: 2024年2月7日 作成者: jarxiv

要約 私たちは人間のフィードバックから微調整された初の音楽生成システム Musi … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | MusicRL: Aligning Music Generation to Human Preferences はコメントを受け付けていません

REBORN: Reinforcement-Learned Boundary Segmentation with Iterative Training for Unsupervised ASR

投稿日: 2024年2月7日 作成者: jarxiv

要約 教師なし自動音声認識 (ASR) は、音声とテキストのペアのデータを監視せ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | REBORN: Reinforcement-Learned Boundary Segmentation with Iterative Training for Unsupervised ASR はコメントを受け付けていません

Multimodal Speech Enhancement Using Burst Propagation

投稿日: 2024年2月6日 作成者: jarxiv

要約 本論文では、前頭前皮質や他の脳領域の錐体細胞に関する最新の神経学的発見を考 … 続きを読む →

カテゴリー: cs.LG, cs.MM, cs.SD, eess.AS | Multimodal Speech Enhancement Using Burst Propagation はコメントを受け付けていません