「cs.SD」カテゴリーアーカイブ

Exploratory Evaluation of Speech Content Masking

投稿日: 2024年1月9日 作成者: jarxiv

要約 最近の音声プライバシーの取り組みのほとんどは、音響話者の属性を匿名化するこ … 続きを読む →

カテゴリー: cs.CR, cs.LG, cs.SD, eess.AS | Exploratory Evaluation of Speech Content Masking はコメントを受け付けていません

Highly Efficient Real-Time Streaming and Fully On-Device Speaker Diarization with Multi-Stage Clustering

投稿日: 2024年1月9日 作成者: jarxiv

要約 話者ダイアライゼーションにおける最近の研究の進歩は、主にダイアライゼーショ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Highly Efficient Real-Time Streaming and Fully On-Device Speaker Diarization with Multi-Stage Clustering はコメントを受け付けていません

Convoifilter: A case study of doing cocktail party speech recognition

投稿日: 2024年1月9日 作成者: jarxiv

要約 このペーパーでは、混雑した騒々しい環境における特定の話者の自動音声認識 ( … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Convoifilter: A case study of doing cocktail party speech recognition はコメントを受け付けていません

Efficient Multiscale Multimodal Bottleneck Transformer for Audio-Video Classification

投稿日: 2024年1月9日 作成者: jarxiv

要約 近年、研究者は音声信号とビデオ信号の両方を組み合わせて、アクションが視覚的 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Efficient Multiscale Multimodal Bottleneck Transformer for Audio-Video Classification はコメントを受け付けていません

Retrieval-Augmented Text-to-Audio Generation

投稿日: 2024年1月8日 作成者: jarxiv

要約 Text-to-Audio (TTA) 生成における最近の進歩にも関わらず … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | Retrieval-Augmented Text-to-Audio Generation はコメントを受け付けていません

Direction of Arrival Estimation Using Microphone Array Processing for Moving Humanoid Robots

投稿日: 2024年1月5日 作成者: jarxiv

要約 人型ロボットの聴覚システムは、近年ますます注目を集めています。 このシステ … 続きを読む →

カテゴリー: cs.RO, cs.SD, eess.AS | Direction of Arrival Estimation Using Microphone Array Processing for Moving Humanoid Robots はコメントを受け付けていません

PEFT for Speech: Unveiling Optimal Placement, Merging Strategies, and Ensemble Techniques

投稿日: 2024年1月5日 作成者: jarxiv

要約 PEFT（Parameter-Efficient Fine-Tuning） … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | PEFT for Speech: Unveiling Optimal Placement, Merging Strategies, and Ensemble Techniques はコメントを受け付けていません

Task Oriented Dialogue as a Catalyst for Self-Supervised Automatic Speech Recognition

投稿日: 2024年1月5日 作成者: jarxiv

要約 自動音声認識（ASR）システムの単語エラー率は一貫して低下しているが、AS … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Task Oriented Dialogue as a Catalyst for Self-Supervised Automatic Speech Recognition はコメントを受け付けていません

Let There Be Sound: Reconstructing High Quality Speech from Silent Videos

投稿日: 2024年1月5日 作成者: jarxiv

要約 この研究の目標は、唇の動きのみから高品質の音声を再構成することであり、この … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Let There Be Sound: Reconstructing High Quality Speech from Silent Videos はコメントを受け付けていません

Perceptual Musical Features for Interpretable Audio Tagging

投稿日: 2024年1月5日 作成者: jarxiv

要約 音楽ストリーミングプラットフォームの時代において、音楽音声に自動的にタグを … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Perceptual Musical Features for Interpretable Audio Tagging はコメントを受け付けていません