「eess.AS」カテゴリーアーカイブ

Temporally Aligning Long Audio Interviews with Questions: A Case Study in Multimodal Data Integration

投稿日: 2023年10月11日 作成者: jarxiv

要約 音声とテキストの位置合わせの問題については、トレーニング中に完全な監視を使 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Temporally Aligning Long Audio Interviews with Questions: A Case Study in Multimodal Data Integration はコメントを受け付けていません

Fine-grained Audio-Visual Joint Representations for Multimodal Large Language Models

投稿日: 2023年10月11日 作成者: jarxiv

要約 オーディオビジュアルラージ言語モデル (LLM) は大きな注目を集めていま … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.SD, eess.AS | Fine-grained Audio-Visual Joint Representations for Multimodal Large Language Models はコメントを受け付けていません

The First Cadenza Signal Processing Challenge: Improving Music for Those With a Hearing Loss

投稿日: 2023年10月10日 作成者: jarxiv

要約 Cadenza プロジェクトは、難聴を持つ人々の音楽の音質を向上させること … 続きを読む →

カテゴリー: cs.LG, eess.AS, eess.SP | The First Cadenza Signal Processing Challenge: Improving Music for Those With a Hearing Loss はコメントを受け付けていません

Pre-trained Spatial Priors on Multichannel NMF for Music Source Separation

投稿日: 2023年10月10日 作成者: jarxiv

要約 この論文では、録音セットアップ中に取得された空間情報を活用した音源分離への … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Pre-trained Spatial Priors on Multichannel NMF for Music Source Separation はコメントを受け付けていません

Few-Shot Spoken Language Understanding via Joint Speech-Text Models

投稿日: 2023年10月10日 作成者: jarxiv

要約 テキストと共同で事前トレーニングされた音声表現モデルに関する最近の研究では … 続きを読む →

カテゴリー: cs.CL, eess.AS | Few-Shot Spoken Language Understanding via Joint Speech-Text Models はコメントを受け付けていません

Fine-grained Audio-Visual Joint Representations for Multimodal Large Language Models

投稿日: 2023年10月10日 作成者: jarxiv

要約 オーディオビジュアルラージ言語モデル (LLM) は大きな注目を集めていま … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.SD, eess.AS | Fine-grained Audio-Visual Joint Representations for Multimodal Large Language Models はコメントを受け付けていません

Robust One-Shot Singing Voice Conversion

投稿日: 2023年10月9日 作成者: jarxiv

要約 深層生成モデルの最近の進歩により、音声領域での音声変換の品質が向上しました … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Robust One-Shot Singing Voice Conversion はコメントを受け付けていません

MBTFNet: Multi-Band Temporal-Frequency Neural Network For Singing Voice Enhancement

投稿日: 2023年10月9日 作成者: jarxiv

要約 一般的なニューラル音声強調 (SE) アプローチは主に音声とノイズの混合を … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | MBTFNet: Multi-Band Temporal-Frequency Neural Network For Singing Voice Enhancement はコメントを受け付けていません

Dementia Assessment Using Mandarin Speech with an Attention-based Speech Recognition Encoder

投稿日: 2023年10月9日 作成者: jarxiv

要約 認知症の診断には一連の異なる検査方法が必要ですが、これは複雑で時間がかかり … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Dementia Assessment Using Mandarin Speech with an Attention-based Speech Recognition Encoder はコメントを受け付けていません

Zero-shot Domain-sensitive Speech Recognition with Prompt-conditioning Fine-tuning

投稿日: 2023年10月9日 作成者: jarxiv

要約 この研究では、特定のテキスト プロンプトに基づいてテキスト ドメイン情報の … 続きを読む →

カテゴリー: cs.CL, cs.LG, eess.AS | Zero-shot Domain-sensitive Speech Recognition with Prompt-conditioning Fine-tuning はコメントを受け付けていません