-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
「cs.SD」カテゴリーアーカイブ
AVCap: Leveraging Audio-Visual Features as Text Tokens for Captioning
要約 近年、表現学習と言語モデルの進歩により、自動キャプション (AC) が新た … 続きを読む
SaMoye: Zero-shot Singing Voice Conversion Based on Feature Disentanglement and Synthesis
要約 歌声変換 (SVC) は、元の内容を維持したまま、特定の音楽作品内の歌手の … 続きを読む
カテゴリー: 68Txx(Primary)14F05, 91Fxx(Secondary), cs.AI, cs.MM, cs.SD, eess.AS, I.2.7
SaMoye: Zero-shot Singing Voice Conversion Based on Feature Disentanglement and Synthesis はコメントを受け付けていません
HebDB: a Weakly Supervised Dataset for Hebrew Speech Processing
要約 ヘブライ語の音声言語処理用の弱教師データセットである HebDB を紹介し … 続きを読む
Transforming LLMs into Cross-modal and Cross-lingual Retrieval Systems
要約 大規模言語モデル (LLM) は、音声データとテキスト データのペアを含む … 続きを読む
AVCap: Leveraging Audio-Visual Features as Text Tokens for Captioning
要約 近年、表現学習と言語モデルの進歩により、自動キャプション (AC) が新た … 続きを読む
SaMoye: Zero-shot Singing Voice Conversion Based on Feature Disentanglement and Synthesis
要約 歌声変換 (SVC) は、元の内容を維持したまま、特定の音楽作品内の歌手の … 続きを読む
カテゴリー: 68Txx(Primary)14F05, 91Fxx(Secondary), cs.AI, cs.MM, cs.SD, eess.AS, I.2.7
SaMoye: Zero-shot Singing Voice Conversion Based on Feature Disentanglement and Synthesis はコメントを受け付けていません
RT-LA-VocE: Real-Time Low-SNR Audio-Visual Speech Enhancement
要約 このペーパーでは、今後の入力に依存せずに、ライブ ビデオ ストリームとノイ … 続きを読む
Learn and Don’t Forget: Adding a New Language to ASR Foundation Models
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
Performance Analysis of Speech Encoders for Low-Resource SLU and ASR in Tunisian Dialect
要約 自己教師あり学習 (SSL) を通じて事前トレーニングされた音声エンコーダ … 続きを読む
Spontaneous Speech-Based Suicide Risk Detection Using Whisper and Large Language Models
要約 自殺リスクの早期発見は、自殺企図の可能性を防ぐための介入を可能にするため重 … 続きを読む