「cs.SD」カテゴリーアーカイブ

CTC-based Non-autoregressive Textless Speech-to-Speech Translation

投稿日: 2024年6月12日 作成者: jarxiv

要約 直接音声間翻訳 (S2ST) は優れた翻訳品質を実現していますが、音声シー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS, I.2.7 | CTC-based Non-autoregressive Textless Speech-to-Speech Translation はコメントを受け付けていません

Enhancing CTC-based speech recognition with diverse modeling units

投稿日: 2024年6月12日 作成者: jarxiv

要約 近年、トランスフォーマーなどの深層学習アーキテクチャの進歩により、エンドツ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Enhancing CTC-based speech recognition with diverse modeling units はコメントを受け付けていません

Multi-Modal Automatic Prosody Annotation with Contrastive Pretraining of SSWP

投稿日: 2024年6月12日 作成者: jarxiv

要約 表現力豊かで制御可能な Text-to-Speech (TTS) では、明 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Multi-Modal Automatic Prosody Annotation with Contrastive Pretraining of SSWP はコメントを受け付けていません

Hearing Anything Anywhere

投稿日: 2024年6月12日 作成者: jarxiv

要約 近年、3D コンピュータ ビジョンとコンピュータ グラフィックスが大幅に進 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS, I.2.10 | Hearing Anything Anywhere はコメントを受け付けていません

mHuBERT-147: A Compact Multilingual HuBERT Model

投稿日: 2024年6月12日 作成者: jarxiv

要約 我々は、90,000 時間のクリーンなオープンライセンス データでトレーニ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | mHuBERT-147: A Compact Multilingual HuBERT Model はコメントを受け付けていません

mHuBERT-147: A Compact Multilingual HuBERT Model

投稿日: 2024年6月11日 作成者: jarxiv

要約 我々は、90,000 時間のクリーンなオープンライセンス データでトレーニ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | mHuBERT-147: A Compact Multilingual HuBERT Model はコメントを受け付けていません

Meta Learning Text-to-Speech Synthesis in over 7000 Languages

投稿日: 2024年6月11日 作成者: jarxiv

要約 この研究では、7,000 以上の言語で音声を生成できる単一のテキスト音声合 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Meta Learning Text-to-Speech Synthesis in over 7000 Languages はコメントを受け付けていません

Controlling Emotion in Text-to-Speech with Natural Language Prompts

投稿日: 2024年6月11日 作成者: jarxiv

要約 近年、プロンプトは自然言語を直感的に使用できるため、生成機械学習モデルの出 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Controlling Emotion in Text-to-Speech with Natural Language Prompts はコメントを受け付けていません

MOSA: Music Motion with Semantic Annotation Dataset for Cross-Modal Music Processing

投稿日: 2024年6月11日 作成者: jarxiv

要約 クロスモーダル音楽処理では、視覚、聴覚、および意味論的なコンテンツ間の変換 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | MOSA: Music Motion with Semantic Annotation Dataset for Cross-Modal Music Processing はコメントを受け付けていません

Multimodal Contextualized Semantic Parsing from Speech

投稿日: 2024年6月11日 作成者: jarxiv

要約 マルチモーダル入力を以前のコンテキストと統合することで人工エージェントのコ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.HC, cs.LG, cs.SD, eess.AS | Multimodal Contextualized Semantic Parsing from Speech はコメントを受け付けていません