「cs.SD」カテゴリーアーカイブ

Unveiling the Potential of LLM-Based ASR on Chinese Open-Source Datasets

投稿日: 2024年5月6日 作成者: jarxiv

要約 大規模言語モデルは様々な自然言語処理タスクにおいて比類のない有効性を実証し … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Unveiling the Potential of LLM-Based ASR on Chinese Open-Source Datasets はコメントを受け付けていません

GMP-ATL: Gender-augmented Multi-scale Pseudo-label Enhanced Adaptive Transfer Learning for Speech Emotion Recognition via HuBERT

投稿日: 2024年5月6日 作成者: jarxiv

要約 事前訓練された音声モデルの絶え間ない進化は、音声感情認識（SER）を大きく … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | GMP-ATL: Gender-augmented Multi-scale Pseudo-label Enhanced Adaptive Transfer Learning for Speech Emotion Recognition via HuBERT はコメントを受け付けていません

SelfVC: Voice Conversion With Iterative Refinement using Self Transformations

投稿日: 2024年5月6日 作成者: jarxiv

要約 我々は、自己合成された例を用いて音声変換モデルを反復的に改善する学習戦略で … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | SelfVC: Voice Conversion With Iterative Refinement using Self Transformations はコメントを受け付けていません

Towards Unconstrained Audio Splicing Detection and Localization with Neural Networks

投稿日: 2024年5月6日 作成者: jarxiv

要約 フリーで入手可能で使いやすい音声編集ツールを使えば、音声スプライシングを簡 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.SD, eess.AS | Towards Unconstrained Audio Splicing Detection and Localization with Neural Networks はコメントを受け付けていません

Training-Free Deepfake Voice Recognition by Leveraging Large-Scale Pre-Trained Models

投稿日: 2024年5月6日 作成者: jarxiv

要約 汎化は、現在のオーディオディープフェイク検出器の主な問題であり、配信外のデ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Training-Free Deepfake Voice Recognition by Leveraging Large-Scale Pre-Trained Models はコメントを受け付けていません

TRAMBA: A Hybrid Transformer and Mamba Architecture for Practical Audio and Bone Conduction Speech Super Resolution and Enhancement on Mobile and Wearable Platforms

投稿日: 2024年5月3日 作成者: jarxiv

要約 私たちは、モバイルおよびウェアラブルプラットフォームに適した、音響および骨 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | TRAMBA: A Hybrid Transformer and Mamba Architecture for Practical Audio and Bone Conduction Speech Super Resolution and Enhancement on Mobile and Wearable Platforms はコメントを受け付けていません

Low-resource speech recognition and dialect identification of Irish in a multi-task framework

投稿日: 2024年5月3日 作成者: jarxiv

要約 このペーパーでは、アイルランド語 (ゲール語) の低リソース音声認識 (A … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Low-resource speech recognition and dialect identification of Irish in a multi-task framework はコメントを受け付けていません

Learning Separable Hidden Unit Contributions for Speaker-Adaptive Lip-Reading

投稿日: 2024年5月1日 作成者: jarxiv

要約 この論文では、2 つの観察に基づいて、読唇術における話者適応のための新しい … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.SD, eess.AS | Learning Separable Hidden Unit Contributions for Speaker-Adaptive Lip-Reading はコメントを受け付けていません

ComposerX: Multi-Agent Symbolic Music Composition with LLMs

投稿日: 2024年5月1日 作成者: jarxiv

要約 音楽作曲は人類の創造的な側面を表しており、それ自体が長い依存関係とハーモニ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.MM, cs.SD, eess.AS | ComposerX: Multi-Agent Symbolic Music Composition with LLMs はコメントを受け付けていません

SemiPL: A Semi-supervised Method for Event Sound Source Localization

投稿日: 2024年5月1日 作成者: jarxiv

要約 近年、イベント音源定位はさまざまな分野で広く応用されています。 最近の作品 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | SemiPL: A Semi-supervised Method for Event Sound Source Localization はコメントを受け付けていません