「eess.AS」カテゴリーアーカイブ

Exploring Speech Recognition, Translation, and Understanding with Discrete Speech Units: A Comparative Study

投稿日: 2023年9月28日 作成者: jarxiv

要約 通常、1 秒あたり数万のレートでサンプリングされる音声信号には冗長性が含ま … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Exploring Speech Recognition, Translation, and Understanding with Discrete Speech Units: A Comparative Study はコメントを受け付けていません

A Deep Learning System for Domain-specific Speech Recognition

投稿日: 2023年9月28日 作成者: jarxiv

要約 マンマシンの音声インターフェイスにより、ますますインテリジェントになるマシ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | A Deep Learning System for Domain-specific Speech Recognition はコメントを受け付けていません

Cross-Modal Multi-Tasking for Speech-to-Text Translation via Hard Parameter Sharing

投稿日: 2023年9月28日 作成者: jarxiv

要約 エンドツーエンドの音声テキスト翻訳 (ST) における最近の研究では、テキ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Cross-Modal Multi-Tasking for Speech-to-Text Translation via Hard Parameter Sharing はコメントを受け付けていません

High-Fidelity Speech Synthesis with Minimal Supervision: All Using Diffusion Models

投稿日: 2023年9月28日 作成者: jarxiv

要約 テキスト読み上げ (TTS) 手法は、音声クローン作成において有望な結果を … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | High-Fidelity Speech Synthesis with Minimal Supervision: All Using Diffusion Models はコメントを受け付けていません

Direct Models for Simultaneous Translation and Automatic Subtitling: FBK@IWSLT2023

投稿日: 2023年9月28日 作成者: jarxiv

要約 この文書では、IWSLT 2023 評価キャンペーンの同時翻訳および自動字 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Direct Models for Simultaneous Translation and Automatic Subtitling: FBK@IWSLT2023 はコメントを受け付けていません

Generative Speech Recognition Error Correction with Large Language Models

投稿日: 2023年9月28日 作成者: jarxiv

要約 私たちは、再スコアリングとエラー修正を実行する ASR ポストプロセッサー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Generative Speech Recognition Error Correction with Large Language Models はコメントを受け付けていません

HyPoradise: An Open Baseline for Generative Speech Recognition with Large Language Models

投稿日: 2023年9月28日 作成者: jarxiv

要約 ディープ ニューラル ネットワークの進歩により、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 | HyPoradise: An Open Baseline for Generative Speech Recognition with Large Language Models はコメントを受け付けていません

Synthia’s Melody: A Benchmark Framework for Unsupervised Domain Adaptation in Audio

投稿日: 2023年9月27日 作成者: jarxiv

要約 視覚と自然言語の深層学習は大幅に進歩しましたが、音声における教師なしドメイ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Synthia’s Melody: A Benchmark Framework for Unsupervised Domain Adaptation in Audio はコメントを受け付けていません

Online Active Learning For Sound Event Detection

投稿日: 2023年9月27日 作成者: jarxiv

要約 データの収集と注釈は、教師あり機械学習タスクの前提条件であり、手間と時間が … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Online Active Learning For Sound Event Detection はコメントを受け付けていません

Disentangling Prosody Representations with Unsupervised Speech Reconstruction

投稿日: 2023年9月27日 作成者: jarxiv

要約 人間の音声は、意味内容、話者の身元、韻律情報などのさまざまな要素によって特 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Disentangling Prosody Representations with Unsupervised Speech Reconstruction はコメントを受け付けていません