「eess.AS」カテゴリーアーカイブ

Optimizing Multi-Stuttered Speech Classification: Leveraging Whisper’s Encoder for Efficient Parameter Reduction in Automated Assessment

投稿日: 2025年2月27日 作成者: jarxiv

要約 st音の自動分類は、音声言語病理学者に支援を提供するタイムリーな評価に大き … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Optimizing Multi-Stuttered Speech Classification: Leveraging Whisper’s Encoder for Efficient Parameter Reduction in Automated Assessment はコメントを受け付けていません

Combining TF-GridNet and Mixture Encoder for Continuous Speech Separation for Meeting Transcription

投稿日: 2025年2月27日 作成者: jarxiv

要約 自動音声認識（ASR）の多くの実際のアプリケーションでは、重複した音声の処 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Combining TF-GridNet and Mixture Encoder for Continuous Speech Separation for Meeting Transcription はコメントを受け付けていません

NeuroVoz: a Castillian Spanish corpus of parkinsonian speech

投稿日: 2025年2月27日 作成者: jarxiv

要約 音声によるパーキンソン病（PD）のスクリーニングは、異なる言語で公開されて … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | NeuroVoz: a Castillian Spanish corpus of parkinsonian speech はコメントを受け付けていません

Exploring Gender Disparities in Automatic Speech Recognition Technology

投稿日: 2025年2月26日 作成者: jarxiv

要約 この研究では、人口統計の従来の調査を超えて、性別全体の自動音声認識（ASR … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Exploring Gender Disparities in Automatic Speech Recognition Technology はコメントを受け付けていません

Both Ears Wide Open: Towards Language-Driven Spatial Audio Generation

投稿日: 2025年2月26日 作成者: jarxiv

要約 最近、拡散モデルはモノチャネルオーディオ生成で大きな成功を収めています。 … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Both Ears Wide Open: Towards Language-Driven Spatial Audio Generation はコメントを受け付けていません

GCDance: Genre-Controlled 3D Full Body Dance Generation Driven By Music

投稿日: 2025年2月26日 作成者: jarxiv

要約 音楽から高品質のフルボディダンスシーケンスを生成することは、ジャンル固有の … 続きを読む →

カテゴリー: cs.CV, cs.GR, cs.SD, eess.AS | GCDance: Genre-Controlled 3D Full Body Dance Generation Driven By Music はコメントを受け付けていません

From Vision to Sound: Advancing Audio Anomaly Detection with Vision-Based Algorithms

投稿日: 2025年2月26日 作成者: jarxiv

要約 視覚異常検出（VAD）の最近の進歩により、事前に訓練された特徴抽出器によっ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.SD, eess.AS | From Vision to Sound: Advancing Audio Anomaly Detection with Vision-Based Algorithms はコメントを受け付けていません

Baichuan-Audio: A Unified Framework for End-to-End Speech Interaction

投稿日: 2025年2月25日 作成者: jarxiv

要約 オーディオの理解と生成をシームレスに統合するエンドツーエンドのオーディオ大 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Baichuan-Audio: A Unified Framework for End-to-End Speech Interaction はコメントを受け付けていません

ESPnet-SpeechLM: An Open Speech Language Model Toolkit

投稿日: 2025年2月25日 作成者: jarxiv

要約 Speech Language Models（SpeechLMS）および音 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | ESPnet-SpeechLM: An Open Speech Language Model Toolkit はコメントを受け付けていません

Improving the Inclusivity of Dutch Speech Recognition by Fine-tuning Whisper on the JASMIN-CGN Corpus

投稿日: 2025年2月25日 作成者: jarxiv

要約 ジャスミンCGNコーパスの子供、高齢者、非ネイティブオランダ語のスピーチに … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Improving the Inclusivity of Dutch Speech Recognition by Fine-tuning Whisper on the JASMIN-CGN Corpus はコメントを受け付けていません