「cs.SD」カテゴリーアーカイブ

Cross-Modal Denoising: A Novel Training Paradigm for Enhancing Speech-Image Retrieval

投稿日: 2024年9月12日 作成者: jarxiv

要約 音声と画像の検索が成功するかどうかは、音声と画像の間の効果的な調整を確立で … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Cross-Modal Denoising: A Novel Training Paradigm for Enhancing Speech-Image Retrieval はコメントを受け付けていません

Coarse-to-fine Alignment Makes Better Speech-image Retrieval

投稿日: 2024年9月12日 作成者: jarxiv

要約 この論文では、音声画像検索のための新しいフレームワークを提案します。 音声 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Coarse-to-fine Alignment Makes Better Speech-image Retrieval はコメントを受け付けていません

Evaluation of real-time transcriptions using end-to-end ASR models

投稿日: 2024年9月12日 作成者: jarxiv

要約 自動音声認識 (ASR) または Speech-to-text (STT) … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, I.2.7 | Evaluation of real-time transcriptions using end-to-end ASR models はコメントを受け付けていません

Cross-Dialect Text-To-Speech in Pitch-Accent Language Incorporating Multi-Dialect Phoneme-Level BERT

投稿日: 2024年9月12日 作成者: jarxiv

要約 私たちは、非母国語の方言、特に高低アクセント言語で学習した話者の音声を合成 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Cross-Dialect Text-To-Speech in Pitch-Accent Language Incorporating Multi-Dialect Phoneme-Level BERT はコメントを受け付けていません

A Suite for Acoustic Language Model Evaluation

投稿日: 2024年9月12日 作成者: jarxiv

要約 音声言語モデルは最近、汎用音声処理システムとして大きな可能性を示しています … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | A Suite for Acoustic Language Model Evaluation はコメントを受け付けていません

EventTrojan: Manipulating Non-Intrusive Speech Quality Assessment via Imperceptible Events

投稿日: 2024年9月12日 作成者: jarxiv

要約 非侵入型音声品質評価 (NISQA) は、参照音声を必要とせずに音声の平均 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | EventTrojan: Manipulating Non-Intrusive Speech Quality Assessment via Imperceptible Events はコメントを受け付けていません

VMAS: Video-to-Music Generation via Semantic Alignment in Web Music Videos

投稿日: 2024年9月12日 作成者: jarxiv

要約 ビデオ入力から BGM を生成する方法を学習するためのフレームワークを紹介 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | VMAS: Video-to-Music Generation via Semantic Alignment in Web Music Videos はコメントを受け付けていません

Spectral oversubtraction? An approach for speech enhancement after robot ego speech filtering in semi-real-time

投稿日: 2024年9月11日 作成者: jarxiv

要約 スペクトル減算は、その単純さから広く使用されており、ロボットの発話時のシン … 続きを読む →

カテゴリー: 68T50, cs.RO, cs.SD, eess.AS | Spectral oversubtraction? An approach for speech enhancement after robot ego speech filtering in semi-real-time はコメントを受け付けていません

Soft Acoustic Curvature Sensor: Design and Development

投稿日: 2024年9月11日 作成者: jarxiv

要約 この論文では、新しい Soft Acoustic Curvature (S … 続きを読む →

カテゴリー: cs.RO, cs.SD, eess.AS | Soft Acoustic Curvature Sensor: Design and Development はコメントを受け付けていません

Human-mimetic binaural ear design and sound source direction estimation for task realization of musculoskeletal humanoids

投稿日: 2024年9月11日 作成者: jarxiv

要約 筋骨格ヒューマノイドによる人間に似た環境認識は、実際の複雑な環境でのタスク … 続きを読む →

カテゴリー: cs.RO, cs.SD, eess.AS | Human-mimetic binaural ear design and sound source direction estimation for task realization of musculoskeletal humanoids はコメントを受け付けていません