「cs.SD」カテゴリーアーカイブ

IR-UWB Radar-Based Contactless Silent Speech Recognition of Vowels, Consonants, Words, and Phrases

投稿日: 2023年12月18日 作成者: jarxiv

要約 無声音声認識 (SSR) については、いくつかのセンシング技術が提案されて … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | IR-UWB Radar-Based Contactless Silent Speech Recognition of Vowels, Consonants, Words, and Phrases はコメントを受け付けていません

Phoneme-aware Encoding for Prefix-tree-based Contextual ASR

投稿日: 2023年12月18日 作成者: jarxiv

要約 音声認識アプリケーションでは、固有名詞などの文脈固有の珍しい単語を認識する … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Phoneme-aware Encoding for Prefix-tree-based Contextual ASR はコメントを受け付けていません

Leveraging Language ID to Calculate Intermediate CTC Loss for Enhanced Code-Switching Speech Recognition

投稿日: 2023年12月18日 作成者: jarxiv

要約 近年、エンドツーエンドの音声認識は、従来の自動音声認識モデルの音響、発音辞 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Leveraging Language ID to Calculate Intermediate CTC Loss for Enhanced Code-Switching Speech Recognition はコメントを受け付けていません

HEAR: Hearing Enhanced Audio Response for Video-grounded Dialogue

投稿日: 2023年12月18日 作成者: jarxiv

要約 Video-grounded Dialogue (VGD) は、ビデオ、オ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | HEAR: Hearing Enhanced Audio Response for Video-grounded Dialogue はコメントを受け付けていません

Dementia Assessment Using Mandarin Speech with an Attention-based Speech Recognition Encoder

投稿日: 2023年12月18日 作成者: jarxiv

要約 認知症の診断には一連の異なる検査方法が必要ですが、これは複雑で時間がかかり … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Dementia Assessment Using Mandarin Speech with an Attention-based Speech Recognition Encoder はコメントを受け付けていません

Generative Context-aware Fine-tuning of Self-supervised Speech Models

投稿日: 2023年12月18日 作成者: jarxiv

要約 特定の発話に対する自動音声認識や話し言葉の理解などのタスクを実行する場合、 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Generative Context-aware Fine-tuning of Self-supervised Speech Models はコメントを受け付けていません

STaR: Distilling Speech Temporal Relation for Lightweight Speech Self-Supervised Learning Models

投稿日: 2023年12月15日 作成者: jarxiv

要約 Transformer ベースの音声自己教師あり学習 (SSL) モデルは … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | STaR: Distilling Speech Temporal Relation for Lightweight Speech Self-Supervised Learning Models はコメントを受け付けていません

SER_AMPEL: a multi-source dataset for speech emotion recognition of Italian older adults

投稿日: 2023年12月15日 作成者: jarxiv

要約 この論文では、音声感情認識 (SER) 用のマルチソース データセットであ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SER_AMPEL: a multi-source dataset for speech emotion recognition of Italian older adults はコメントを受け付けていません

WikiMuTe: A web-sourced dataset of semantic descriptions for music audio

投稿日: 2023年12月15日 作成者: jarxiv

要約 自由形式のテキストと音楽を照合するマルチモーダル深層学習技術は、音楽情報検 … 続きを読む →

カテゴリー: cs.CL, cs.IR, cs.LG, cs.SD, eess.AS | WikiMuTe: A web-sourced dataset of semantic descriptions for music audio はコメントを受け付けていません

Design, construction and evaluation of emotional multimodal pathological speech database

投稿日: 2023年12月15日 作成者: jarxiv

要約 利用可能な感情病理学データベースの欠如は、構音障害患者の感情表現状態を研究 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS, eess.SP | Design, construction and evaluation of emotional multimodal pathological speech database はコメントを受け付けていません