「eess.AS」カテゴリーアーカイブ

Updated Corpora and Benchmarks for Long-Form Speech Recognition

投稿日: 2023年9月27日 作成者: jarxiv

要約 ASR 研究の大部分は、トレーニング データとテスト データの両方が発話に … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Updated Corpora and Benchmarks for Long-Form Speech Recognition はコメントを受け付けていません

Connecting Speech Encoder and Large Language Model for ASR

投稿日: 2023年9月27日 作成者: jarxiv

要約 大規模言語モデル (LLM) の優れた機能と多用途性により、自動音声認識 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Connecting Speech Encoder and Large Language Model for ASR はコメントを受け付けていません

Google USM: Scaling Automatic Speech Recognition Beyond 100 Languages

投稿日: 2023年9月26日 作成者: jarxiv

要約 100 以上の言語にわたって自動音声認識 (ASR) を実行する単一の大規 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Google USM: Scaling Automatic Speech Recognition Beyond 100 Languages はコメントを受け付けていません

3D-Speaker: A Large-Scale Multi-Device, Multi-Distance, and Multi-Dialect Corpus for Speech Representation Disentanglement

投稿日: 2023年9月26日 作成者: jarxiv

要約 音声発話内の相関関係のない情報を解きほぐすことは、音声コミュニティ内での重 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | 3D-Speaker: A Large-Scale Multi-Device, Multi-Distance, and Multi-Dialect Corpus for Speech Representation Disentanglement はコメントを受け付けていません

CPSP: Learning Speech Concepts From Phoneme Supervision

投稿日: 2023年9月26日 作成者: jarxiv

要約 最小教師あり音声合成 (TTS)、音声変換 (VC)、自動音声認識 (AS … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | CPSP: Learning Speech Concepts From Phoneme Supervision はコメントを受け付けていません

Fast-HuBERT: An Efficient Training Framework for Self-Supervised Speech Representation Learning

投稿日: 2023年9月26日 作成者: jarxiv

要約 近年、音声処理タスクの自己教師あり学習 (SSL) 手法が大幅に進歩しまし … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Fast-HuBERT: An Efficient Training Framework for Self-Supervised Speech Representation Learning はコメントを受け付けていません

Reproducing Whisper-Style Training Using an Open-Source Toolkit and Publicly Available Data

投稿日: 2023年9月26日 作成者: jarxiv

要約 大量のデータを使用した音声モデルの事前トレーニングは、目覚ましい成功を収め … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Reproducing Whisper-Style Training Using an Open-Source Toolkit and Publicly Available Data はコメントを受け付けていません

Connecting Speech Encoder and Large Language Model for ASR

投稿日: 2023年9月26日 作成者: jarxiv

要約 大規模言語モデル (LLM) の優れた機能と多用途性により、自動音声認識 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Connecting Speech Encoder and Large Language Model for ASR はコメントを受け付けていません

Leveraging Data Collection and Unsupervised Learning for Code-switched Tunisian Arabic Automatic Speech Recognition

投稿日: 2023年9月26日 作成者: jarxiv

要約 方言に対する効果的な自動音声認識 (ASR) ソリューションを作成するには … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Leveraging Data Collection and Unsupervised Learning for Code-switched Tunisian Arabic Automatic Speech Recognition はコメントを受け付けていません

Analysis and Detection of Pathological Voice using Glottal Source Features

投稿日: 2023年9月26日 作成者: jarxiv

要約 音声の病状を自動検出することで、客観的な評価と早期の診断介入が可能になりま … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS, eess.SP | Analysis and Detection of Pathological Voice using Glottal Source Features はコメントを受け付けていません