「cs.SD」カテゴリーアーカイブ

MMSD-Net: Towards Multi-modal Stuttering Detection

投稿日: 2024年7月17日 作成者: jarxiv

要約 吃音は、音声生成の不規則な中断によって引き起こされる一般的な音声障害であり … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | MMSD-Net: Towards Multi-modal Stuttering Detection はコメントを受け付けていません

Universal Sound Separation with Self-Supervised Audio Masked Autoencoder

投稿日: 2024年7月17日 作成者: jarxiv

要約 ユニバーサル サウンド セパレーション (USS) は、任意の音源の混合物 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Universal Sound Separation with Self-Supervised Audio Masked Autoencoder はコメントを受け付けていません

DiarizationLM: Speaker Diarization Post-Processing with Large Language Models

投稿日: 2024年7月16日 作成者: jarxiv

要約 このペーパーでは、大規模言語モデル (LLM) を利用して話者ダイアライゼ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | DiarizationLM: Speaker Diarization Post-Processing with Large Language Models はコメントを受け付けていません

Towards Enhanced Classification of Abnormal Lung sound in Multi-breath: A Light Weight Multi-label and Multi-head Attention Classification Method

投稿日: 2024年7月16日 作成者: jarxiv

要約 本研究の目的は、異常な肺呼吸音を分類するための補助診断システムを開発し、革 … 続きを読む →

カテゴリー: cs.AI, cs.SD | Towards Enhanced Classification of Abnormal Lung sound in Multi-breath: A Light Weight Multi-label and Multi-head Attention Classification Method はコメントを受け付けていません

Basic syntax from speech: Spontaneous concatenation in unsupervised deep neural networks

投稿日: 2024年7月15日 作成者: jarxiv

要約 構文の計算モデルは主にテキストベースです。 ここで、最も基本的な構文操作は … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Basic syntax from speech: Spontaneous concatenation in unsupervised deep neural networks はコメントを受け付けていません

From Real to Cloned Singer Identification

投稿日: 2024年7月12日 作成者: jarxiv

要約 人気歌手のクローン音声はますますリアルに聞こえ、ここ数年で人気が高まってい … 続きを読む →

カテゴリー: cs.IR, cs.LG, cs.SD, eess.AS | From Real to Cloned Singer Identification はコメントを受け付けていません

SummaryMixing: A Linear-Complexity Alternative to Self-Attention for Speech Recognition and Understanding

投稿日: 2024年7月12日 作成者: jarxiv

要約 現代の音声処理システムは自己注意に依存しています。 残念ながら、自己注意を … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SummaryMixing: A Linear-Complexity Alternative to Self-Attention for Speech Recognition and Understanding はコメントを受け付けていません

Are Paralinguistic Representations all that is needed for Speech Emotion Recognition?

投稿日: 2024年7月12日 作成者: jarxiv

要約 事前トレーニング済みモデル (PTM) からの表現が利用できるようになった … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Are Paralinguistic Representations all that is needed for Speech Emotion Recognition? はコメントを受け付けていません

Autoregressive Speech Synthesis without Vector Quantization

投稿日: 2024年7月12日 作成者: jarxiv

要約 我々は、テキスト音声合成 (TTS) のための新しい連続値トークンベースの … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Autoregressive Speech Synthesis without Vector Quantization はコメントを受け付けていません

ElasticAST: An Audio Spectrogram Transformer for All Length and Resolutions

投稿日: 2024年7月12日 作成者: jarxiv

要約 トランスフォーマーは、オーディオ分類の新しい標準として CNN ベースのア … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | ElasticAST: An Audio Spectrogram Transformer for All Length and Resolutions はコメントを受け付けていません