「cs.SD」カテゴリーアーカイブ

Direct Models for Simultaneous Translation and Automatic Subtitling: FBK@IWSLT2023

投稿日: 2023年9月28日 作成者: jarxiv

要約 この文書では、IWSLT 2023 評価キャンペーンの同時翻訳および自動字 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Direct Models for Simultaneous Translation and Automatic Subtitling: FBK@IWSLT2023 はコメントを受け付けていません

Generative Speech Recognition Error Correction with Large Language Models

投稿日: 2023年9月28日 作成者: jarxiv

要約 私たちは、再スコアリングとエラー修正を実行する ASR ポストプロセッサー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Generative Speech Recognition Error Correction with Large Language Models はコメントを受け付けていません

HyPoradise: An Open Baseline for Generative Speech Recognition with Large Language Models

投稿日: 2023年9月28日 作成者: jarxiv

要約 ディープ ニューラル ネットワークの進歩により、自動音声認識 (ASR) … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | HyPoradise: An Open Baseline for Generative Speech Recognition with Large Language Models はコメントを受け付けていません

Synthia’s Melody: A Benchmark Framework for Unsupervised Domain Adaptation in Audio

投稿日: 2023年9月27日 作成者: jarxiv

要約 視覚と自然言語の深層学習は大幅に進歩しましたが、音声における教師なしドメイ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Synthia’s Melody: A Benchmark Framework for Unsupervised Domain Adaptation in Audio はコメントを受け付けていません

Online Active Learning For Sound Event Detection

投稿日: 2023年9月27日 作成者: jarxiv

要約 データの収集と注釈は、教師あり機械学習タスクの前提条件であり、手間と時間が … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Online Active Learning For Sound Event Detection はコメントを受け付けていません

Disentangling Prosody Representations with Unsupervised Speech Reconstruction

投稿日: 2023年9月27日 作成者: jarxiv

要約 人間の音声は、意味内容、話者の身元、韻律情報などのさまざまな要素によって特 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Disentangling Prosody Representations with Unsupervised Speech Reconstruction はコメントを受け付けていません

Updated Corpora and Benchmarks for Long-Form Speech Recognition

投稿日: 2023年9月27日 作成者: jarxiv

要約 ASR 研究の大部分は、トレーニング データとテスト データの両方が発話に … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Updated Corpora and Benchmarks for Long-Form Speech Recognition はコメントを受け付けていません

Connecting Speech Encoder and Large Language Model for ASR

投稿日: 2023年9月27日 作成者: jarxiv

要約 大規模言語モデル (LLM) の優れた機能と多用途性により、自動音声認識 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Connecting Speech Encoder and Large Language Model for ASR はコメントを受け付けていません

Google USM: Scaling Automatic Speech Recognition Beyond 100 Languages

投稿日: 2023年9月26日 作成者: jarxiv

要約 100 以上の言語にわたって自動音声認識 (ASR) を実行する単一の大規 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Google USM: Scaling Automatic Speech Recognition Beyond 100 Languages はコメントを受け付けていません

3D-Speaker: A Large-Scale Multi-Device, Multi-Distance, and Multi-Dialect Corpus for Speech Representation Disentanglement

投稿日: 2023年9月26日 作成者: jarxiv

要約 音声発話内の相関関係のない情報を解きほぐすことは、音声コミュニティ内での重 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | 3D-Speaker: A Large-Scale Multi-Device, Multi-Distance, and Multi-Dialect Corpus for Speech Representation Disentanglement はコメントを受け付けていません