「cs.SD」カテゴリーアーカイブ

Joint Audio and Speech Understanding

投稿日: 2023年10月3日 作成者: jarxiv

要約 人間は、音声と非音声の両方を含む音声信号に囲まれています。 音声イベントと … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Joint Audio and Speech Understanding はコメントを受け付けていません

Modality-Independent Teachers Meet Weakly-Supervised Audio-Visual Event Parser

投稿日: 2023年10月3日 作成者: jarxiv

要約 視聴覚学習は、マルチモーダル機械学習の主要な柱であり、コミュニティではモダ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Modality-Independent Teachers Meet Weakly-Supervised Audio-Visual Event Parser はコメントを受け付けていません

AV-CPL: Continuous Pseudo-Labeling for Audio-Visual Speech Recognition

投稿日: 2023年10月2日 作成者: jarxiv

要約 視聴覚音声には、自動音声認識 (ASR) と視覚音声認識 (VSR) の両 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, stat.ML | AV-CPL: Continuous Pseudo-Labeling for Audio-Visual Speech Recognition はコメントを受け付けていません

Can Generative Large Language Models Perform ASR Error Correction?

投稿日: 2023年10月2日 作成者: jarxiv

要約 ASR エラー修正は、音声認識システムの出力を後処理するための興味深いオプ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Can Generative Large Language Models Perform ASR Error Correction? はコメントを受け付けていません

Wiki-En-ASR-Adapt: Large-scale synthetic dataset for English ASR Customization

投稿日: 2023年10月2日 作成者: jarxiv

要約 固有名詞や用語などの多様なレアフレーズや語彙外 (OOV) フレーズに焦点 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Wiki-En-ASR-Adapt: Large-scale synthetic dataset for English ASR Customization はコメントを受け付けていません

A Large-scale Dataset for Audio-Language Representation Learning

投稿日: 2023年9月29日 作成者: jarxiv

要約 AI コミュニティは、大規模なマルチモーダル データセットを活用した強力な … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | A Large-scale Dataset for Audio-Language Representation Learning はコメントを受け付けていません

Audio-Visual Speaker Verification via Joint Cross-Attention

投稿日: 2023年9月29日 作成者: jarxiv

要約 話者検証は音声信号を使用して広く検討されており、ディープ モデルを使用する … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Audio-Visual Speaker Verification via Joint Cross-Attention はコメントを受け付けていません

Joint Prediction and Denoising for Large-scale Multilingual Self-supervised Learning

投稿日: 2023年9月29日 作成者: jarxiv

要約 多言語自己教師あり学習 (SSL) は、多くの言語を処理するために必要な費 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Joint Prediction and Denoising for Large-scale Multilingual Self-supervised Learning はコメントを受け付けていません

Timbre-Trap: A Low-Resource Framework for Instrument-Agnostic Music Transcription

投稿日: 2023年9月28日 作成者: jarxiv

要約 近年、音楽転写に関する研究は、主にアーキテクチャ設計と楽器固有のデータ取得 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Timbre-Trap: A Low-Resource Framework for Instrument-Agnostic Music Transcription はコメントを受け付けていません

Low-rank Adaptation of Large Language Model Rescoring for Parameter-Efficient Speech Recognition

投稿日: 2023年9月28日 作成者: jarxiv

要約 音声認識出力スコアリングのための低ランク適応 (LoRA) に基づく神経言 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.NE, cs.SD, eess.AS | Low-rank Adaptation of Large Language Model Rescoring for Parameter-Efficient Speech Recognition はコメントを受け付けていません