「eess.AS」カテゴリーアーカイブ

Masked Autoencoders with Multi-Window Local-Global Attention Are Better Audio Learners

投稿日: 2023年10月3日 作成者: jarxiv

要約 この研究では、新しいマルチウィンドウ マルチヘッド アテンション (MW- … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Masked Autoencoders with Multi-Window Local-Global Attention Are Better Audio Learners はコメントを受け付けていません

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

The Role of Communication and Reference Songs in the Mixing Process: Insights from Professional Mix Engineers

投稿日: 2023年10月2日 作成者: jarxiv

要約 効果的な音楽ミキシングには技術的かつ創造的な繊細さが必要ですが、クライアン … 続きを読む →

カテゴリー: cs.AI, cs.HC, eess.AS | The Role of Communication and Reference Songs in the Mixing Process: Insights from Professional Mix Engineers はコメントを受け付けていません

Enhancing Speech Articulation Analysis using a Geometric Transformation of the X-ray Microbeam Dataset

投稿日: 2023年9月29日 作成者: jarxiv

要約 音声分析には、音声の明瞭度を正確に分析することが不可欠です。 ただし、調音 … 続きを読む →

カテゴリー: cs.LG, eess.AS | Enhancing Speech Articulation Analysis using a Geometric Transformation of the X-ray Microbeam Dataset 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