-
最近の投稿
- Open-Vocabulary Action Localization with Iterative Visual Prompting
- Patterned Structure Muscle : Arbitrary Shaped Wire-driven Artificial Muscle Utilizing Anisotropic Flexible Structure for Musculoskeletal Robots
- The Power of Input: Benchmarking Zero-Shot Sim-To-Real Transfer of Reinforcement Learning Control Policies for Quadrotor Control
- PokeFlex: A Real-World Dataset of Deformable Objects for Robotics
- Toward a Better Understanding of Robot Energy Consumption in Agroecological Applications
-
最近のコメント
表示できるコメントはありません。 cs.AI (27918) cs.CL (21095) cs.CR (2183) cs.CV (34618) cs.LG (32650) cs.RO (16022) cs.SY (2484) eess.IV (4238) eess.SY (2478) stat.ML (4372)
「cs.SD」カテゴリーアーカイブ
Audiovisual Masked Autoencoders
要約 自己教師付き表現学習を改善するために、ビデオに既に存在する視聴覚情報を活用 … 続きを読む
Adversarial Representation Learning for Robust Privacy Preservation in Audio
要約 音イベント検出システムは、監視や環境モニタリングなどの様々なアプリケーショ … 続きを読む
Utilizing Neural Transducers for Two-Stage Text-to-Speech via Semantic Token Prediction
要約 我々は、ニューラル変換器を中心とした新しいテキスト音声合成(TTS)フレー … 続きを読む
Hallucinations in Neural Automatic Speech Recognition: Identifying Errors and Hallucinatory Models
要約 幻覚は、ディープ・ニューラル・ネットワークが生み出す出力エラーの一種である … 続きを読む
Incremental FastPitch: Chunk-based High Quality Text to Speech
要約 並列音声合成モデルはリアルタイム音声合成に広く適用されており、従来の自動回 … 続きを読む
CoMoSVC: Consistency Model-based Singing Voice Conversion
要約 拡散に基づく歌声変換(SVC)手法は、目標音色に類似した自然な音声を生成し … 続きを読む
HAAQI-Net: A non-intrusive neural music quality assessment model for hearing aids
要約 この文書では、補聴器ユーザーに合わせた音楽品質評価のための非侵入型ディープ … 続きを読む
OpenVoice: Versatile Instant Voice Cloning
要約 OpenVoice を紹介します。OpenVoice は、基準話者の音声を … 続きを読む
Auffusion: Leveraging the Power of Diffusion and Large Language Models for Text-to-Audio Generation
要約 拡散モデルと大規模言語モデル (LLM) の最近の進歩により、AIGC の … 続きを読む
StyleSinger: Style Transfer for Out-of-Domain Singing Voice Synthesis
要約 ドメイン外 (OOD) 歌声合成 (SVS) のためのスタイル転送は、リフ … 続きを読む