「cs.SD」カテゴリーアーカイブ

Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization

投稿日: 2024年7月24日 作成者: jarxiv

要約 最近、新しい形式の音声部分偽造がフォレンジックに課題をもたらしており、長時 … 続きを読む →

カテゴリー: 68T07, 68T10, cs.CV, cs.MM, cs.SD, eess.AS, I.2 | Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization はコメントを受け付けていません

Generating Sample-Based Musical Instruments Using Neural Audio Codec Language Models

投稿日: 2024年7月23日 作成者: jarxiv

要約 この論文では、テキストまたは参照音声プロンプトに基づいてサンプルベースの楽 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Generating Sample-Based Musical Instruments Using Neural Audio Codec Language Models はコメントを受け付けていません

TTSDS — Text-to-Speech Distribution Score

投稿日: 2024年7月23日 作成者: jarxiv

要約 最近公開された Text-to-Speech (TTS) システムの多くは … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | TTSDS — Text-to-Speech Distribution Score はコメントを受け付けていません

Cross-Speaker Encoding Network for Multi-Talker Speech Recognition

投稿日: 2024年7月23日 作成者: jarxiv

要約 エンドツーエンドのマルチ話者音声認識は、複数の話者からの重複した音声を直接 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Cross-Speaker Encoding Network for Multi-Talker Speech Recognition はコメントを受け付けていません

J-CHAT: Japanese Large-scale Spoken Dialogue Corpus for Spoken Dialogue Language Modeling

投稿日: 2024年7月23日 作成者: jarxiv

要約 音声対話は人間と AI の対話において重要な役割を果たしており、対話指向の … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | J-CHAT: Japanese Large-scale Spoken Dialogue Corpus for Spoken Dialogue Language Modeling はコメントを受け付けていません

dMel: Speech Tokenization made Simple

投稿日: 2024年7月23日 作成者: jarxiv

要約 大規模な言語モデルは、膨大なテキスト データに対する自己教師あり事前トレー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | dMel: Speech Tokenization made Simple はコメントを受け付けていません

Braille-to-Speech Generator: Audio Generation Based on Joint Fine-Tuning of CLIP and Fastspeech2

投稿日: 2024年7月22日 作成者: jarxiv

要約 さまざまな程度の視覚障害に悩む中国人が増えているため、視野内の単一の画像ま … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Braille-to-Speech Generator: Audio Generation Based on Joint Fine-Tuning of CLIP and Fastspeech2 はコメントを受け付けていません

Learn and Don’t Forget: Adding a New Language to ASR Foundation Models

投稿日: 2024年7月22日 作成者: jarxiv

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 →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Learn and Don’t Forget: Adding a New Language to ASR Foundation Models はコメントを受け付けていません

Speech-to-Speech Translation with Discrete-Unit-Based Style Transfer

投稿日: 2024年7月22日 作成者: jarxiv

要約 個別の自己教師あり表現による直接音声対音声翻訳 (S2ST) は、驚くべき … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Speech-to-Speech Translation with Discrete-Unit-Based Style Transfer はコメントを受け付けていません

Stable Audio Open

投稿日: 2024年7月22日 作成者: jarxiv

要約 オープン生成モデルはコミュニティにとって非常に重要であり、微調整が可能であ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Stable Audio Open はコメントを受け付けていません