「eess.AS」カテゴリーアーカイブ

Naturalistic Music Decoding from EEG Data via Latent Diffusion Models

投稿日: 2024年5月20日 作成者: jarxiv

要約 この記事では、脳波 (EEG) 記録から自然な音楽を再構築するタスクに、強 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Naturalistic Music Decoding from EEG Data via Latent Diffusion Models はコメントを受け付けていません

Towards auditory attention decoding with noise-tagging: A pilot study

投稿日: 2024年5月20日 作成者: jarxiv

要約 聴覚注意デコーディング (AAD) は、脳活動から話者候補の中から注目して … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS, q-bio.NC | Towards auditory attention decoding with noise-tagging: A pilot study はコメントを受け付けていません

Building a Luganda Text-to-Speech Model From Crowdsourced Data

投稿日: 2024年5月17日 作成者: jarxiv

要約 ルガンダなどのアフリカ言語のテキスト読み上げ (TTS) 開発は依然として … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Building a Luganda Text-to-Speech Model From Crowdsourced Data はコメントを受け付けていません

Listen Again and Choose the Right Answer: A New Paradigm for Automatic Speech Recognition with Large Language Models

投稿日: 2024年5月17日 作成者: jarxiv

要約 大規模言語モデル (LLM) の最近の進歩により、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 | Listen Again and Choose the Right Answer: A New Paradigm for Automatic Speech Recognition with Large Language Models はコメントを受け付けていません

GenTranslate: Large Language Models are Generative Multilingual Speech and Machine Translators

投稿日: 2024年5月17日 作成者: jarxiv

要約 大規模言語モデル (LLM) の最近の進歩により、表現エラーが減少し、外部 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | GenTranslate: Large Language Models are Generative Multilingual Speech and Machine Translators はコメントを受け付けていません

Revisiting Deep Audio-Text Retrieval Through the Lens of Transportation

投稿日: 2024年5月17日 作成者: jarxiv

要約 Learning-to-match (LTM) フレームワークは、2 つの … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Revisiting Deep Audio-Text Retrieval Through the Lens of Transportation はコメントを受け付けていません

A novel Reservoir Architecture for Periodic Time Series Prediction

投稿日: 2024年5月17日 作成者: jarxiv

要約 この論文では、リザーバー コンピューティングを使用して周期時系列を予測する … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.NE, eess.AS | A novel Reservoir Architecture for Periodic Time Series Prediction はコメントを受け付けていません

Faces that Speak: Jointly Synthesising Talking Face and Speech from Text

投稿日: 2024年5月17日 作成者: jarxiv

要約 この作業の目標は、自然な話し顔とテキストからの音声出力を同時に生成すること … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.SD, eess.AS, eess.IV | Faces that Speak: Jointly Synthesising Talking Face and Speech from Text はコメントを受け付けていません

A vector quantized masked autoencoder for audiovisual speech emotion recognition

投稿日: 2024年5月16日 作成者: jarxiv

要約 ラベル付きデータの利用可能性が限られていることが、視聴覚音声感情認識 (S … 続きを読む →

カテゴリー: cs.LG, cs.MM, cs.SD, eess.AS | A vector quantized masked autoencoder for audiovisual speech emotion recognition はコメントを受け付けていません

Towards Evaluating the Robustness of Automatic Speech Recognition Systems via Audio Style Transfer

投稿日: 2024年5月16日 作成者: jarxiv

要約 自動音声認識 (ASR) システムの広範な適用を考慮すると、主にディープ … 続きを読む →

カテゴリー: cs.CR, cs.LG, cs.SD, eess.AS | Towards Evaluating the Robustness of Automatic Speech Recognition Systems via Audio Style Transfer はコメントを受け付けていません