「eess.AS」カテゴリーアーカイブ

Bridging the Gaps of Both Modality and Language: Synchronous Bilingual CTC for Speech Translation and Speech Recognition

投稿日: 2023年9月22日 作成者: jarxiv

要約 この研究では、音声翻訳 (ST) タスクにおけるモダリティと言語の両方のギ … 続きを読む →

カテゴリー: cs.CL, eess.AS | Bridging the Gaps of Both Modality and Language: Synchronous Bilingual CTC for Speech Translation and Speech Recognition はコメントを受け付けていません

CoMoSpeech: One-Step Speech and Singing Voice Synthesis via Consistency Model

投稿日: 2023年9月22日 作成者: jarxiv

要約 ノイズ除去拡散確率モデル (DDPM) は、音声合成において有望なパフォー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.MM, cs.SD, eess.AS | CoMoSpeech: One-Step Speech and Singing Voice Synthesis via Consistency Model はコメントを受け付けていません

TalkNCE: Improving Active Speaker Detection with Talk-Aware Contrastive Learning

投稿日: 2023年9月22日 作成者: jarxiv

要約 この研究の目標は、一連のビデオ フレーム内で人が話しているかどうかを判断す … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | TalkNCE: Improving Active Speaker Detection with Talk-Aware Contrastive Learning はコメントを受け付けていません

Analyzing And Improving Neural Speaker Embeddings for ASR

投稿日: 2023年9月21日 作成者: jarxiv

要約 ニューラル話者埋め込みは、DNN モデルを通じて話者の音声特性をエンコード … 続きを読む →

カテゴリー: cs.CL, eess.AS, stat.ML | Analyzing And Improving Neural Speaker Embeddings for ASR はコメントを受け付けていません

Development of Hybrid ASR Systems for Low Resource Medical Domain Conversational Telephone Speech

投稿日: 2023年9月21日 作成者: jarxiv

要約 ますますつながりが増し、グローバル化が進む世界では、言語の壁が大きな課題と … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Development of Hybrid ASR Systems for Low Resource Medical Domain Conversational Telephone Speech はコメントを受け付けていません

PromptASR for contextualized ASR with controllable style

投稿日: 2023年9月21日 作成者: jarxiv

要約 プロンプトは、トピックや論理的関係などのコンテキスト情報を提供するため、大 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | PromptASR for contextualized ASR with controllable style はコメントを受け付けていません

Speak While You Think: Streaming Speech Synthesis During Text Generation

投稿日: 2023年9月21日 作成者: jarxiv

要約 大規模言語モデル (LLM) は優れた機能を示しますが、これらのモデルとの … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Speak While You Think: Streaming Speech Synthesis During Text Generation 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21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

Incremental Blockwise Beam Search for Simultaneous Speech Translation with Controllable Quality-Latency Tradeoff

投稿日: 2023年9月21日 作成者: jarxiv

要約 ブロック単位のセルフアテンション エンコーダ モデルは、同時音声翻訳に対す … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Incremental Blockwise Beam Search for Simultaneous Speech Translation with Controllable Quality-Latency Tradeoff はコメントを受け付けていません

Long-Form End-to-End Speech Translation via Latent Alignment Segmentation

投稿日: 2023年9月21日 作成者: jarxiv

要約 現在の同時音声翻訳モデルは、最大数秒の音声しか処理できません。 現代のデー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Long-Form End-to-End Speech Translation via Latent Alignment Segmentation はコメントを受け付けていません