「cs.SD」カテゴリーアーカイブ

Investigating Decoder-only Large Language Models for Speech-to-text Translation

投稿日: 2024年7月4日 作成者: jarxiv

要約 大規模言語モデル(LLM)は、その卓越した推論能力、汎用性、多様な領域にわ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Investigating Decoder-only Large Language Models for Speech-to-text Translation はコメントを受け付けていません

Speaker- and Text-Independent Estimation of Articulatory Movements and Phoneme Alignments from Speech

投稿日: 2024年7月4日 作成者: jarxiv

要約 本論文では、これまで別々に扱われてきた2つのタスク、すなわち音響音声-調音 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Speaker- and Text-Independent Estimation of Articulatory Movements and Phoneme Alignments from Speech はコメントを受け付けていません

GMM-ResNext: Combining Generative and Discriminative Models for Speaker Verification

投稿日: 2024年7月4日 作成者: jarxiv

要約 ディープラーニングの発展に伴い、話者検証において多くの異なるネットワークア … 続きを読む →

カテゴリー: cs.AI, cs.HC, cs.SD, eess.AS | GMM-ResNext: Combining Generative and Discriminative Models for Speaker Verification はコメントを受け付けていません

MuDiT & MuSiT: Alignment with Colloquial Expression in Description-to-Song Generation

投稿日: 2024年7月4日 作成者: jarxiv

要約 生成的AIと人間の芸術的プロセスが交錯する中、本研究では、人間中心の自動作 … 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 | MuDiT & MuSiT: Alignment with Colloquial Expression in Description-to-Song Generation はコメントを受け付けていません

Naturalistic Music Decoding from EEG Data via Latent Diffusion Models

投稿日: 2024年7月4日 作成者: jarxiv

要約 この論文では、脳波記録から自然主義的な音楽を再構成するタスクに、強力な生成 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Naturalistic Music Decoding from EEG Data via Latent Diffusion Models はコメントを受け付けていません

Naturalistic Music Decoding from EEG Data via Latent Diffusion Models

投稿日: 2024年7月3日 作成者: jarxiv

要約 この記事では、脳波 (EEG) 記録から自然な音楽を再構築するタスクに、強 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Naturalistic Music Decoding from EEG Data via Latent Diffusion Models はコメントを受け付けていません

Robust Zero-Shot Text-to-Speech Synthesis with Reverse Inference Optimization

投稿日: 2024年7月3日 作成者: jarxiv

要約 この論文では、人間のフィードバックからの強化学習 (RLHF) を使用して … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Robust Zero-Shot Text-to-Speech Synthesis with Reverse Inference Optimization はコメントを受け付けていません

Towards Robust Speech Representation Learning for Thousands of Languages

投稿日: 2024年7月3日 作成者: jarxiv

要約 自己教師あり学習 (SSL) は、ラベル付きデータの必要性を減らし、音声テ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Towards Robust Speech Representation Learning for Thousands of Languages はコメントを受け付けていません

SlideAVSR: A Dataset of Paper Explanation Videos for Audio-Visual Speech Recognition

投稿日: 2024年7月3日 作成者: jarxiv

要約 オーディオビジュアル音声認識 (AVSR) は、自動音声認識 (ASR) … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | SlideAVSR: A Dataset of Paper Explanation Videos for Audio-Visual Speech Recognition はコメントを受け付けていません

Proceedings of The second international workshop on eXplainable AI for the Arts (XAIxArts)

投稿日: 2024年7月2日 作成者: jarxiv

要約 Explainable AI for the Arts (XAIxArts … 続きを読む →

カテゴリー: cs.AI, cs.HC, cs.MM, cs.SD, eess.AS | Proceedings of The second international workshop on eXplainable AI for the Arts (XAIxArts) はコメントを受け付けていません