eess.AS」カテゴリーアーカイブ

Llama-VITS: Enhancing TTS Synthesis with Semantic Awareness

要約 自然言語処理 (NLP) の最近の進歩により、大規模言語モデル (LLM) … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | Llama-VITS: Enhancing TTS Synthesis with Semantic Awareness はコメントを受け付けていません

Differentiable All-pole Filters for Time-varying Audio Systems

要約 無限インパルス応答フィルターは、オーディオ エフェクトやシンセサイザーなど … 続きを読む

カテゴリー: cs.LG, cs.SD, eess.AS | Differentiable All-pole Filters for Time-varying Audio Systems はコメントを受け付けていません

Differentiable All-pole Filters for Time-varying Audio Systems

要約 無限インパルス応答フィルターは、オーディオ エフェクトやシンセサイザーなど … 続きを読む

カテゴリー: cs.LG, cs.SD, eess.AS | Differentiable All-pole Filters for Time-varying Audio Systems はコメントを受け付けていません

Audio Dialogues: Dialogues dataset for audio and music understanding

要約 音声理解のための既存のデータセットは、自然言語で音声を説明するためのシング … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | Audio Dialogues: Dialogues dataset for audio and music understanding はコメントを受け付けていません

VoiceShop: A Unified Speech-to-Speech Framework for Identity-Preserving Zero-Shot Voice Editing

要約 私たちは、入力話者の音色を維持しながら、年齢、性別、アクセント、話し方など … 続きを読む

カテゴリー: cs.AI, cs.SD, eess.AS | VoiceShop: A Unified Speech-to-Speech Framework for Identity-Preserving Zero-Shot Voice Editing はコメントを受け付けていません

Any2Point: Empowering Any-modality Large Models for Efficient 3D Understanding

要約 最近、大規模な基礎モデルが注目を集めており、広範なシナリオで優れたパフォー … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.SD, eess.AS | Any2Point: Empowering Any-modality Large Models for Efficient 3D Understanding はコメントを受け付けていません

MuPT: A Generative Symbolic Music Pretrained Transformer

要約 この論文では、音楽の事前トレーニングへの大規模言語モデル (LLM) の適 … 続きを読む

カテゴリー: cs.AI, cs.SD, eess.AS | MuPT: A Generative Symbolic Music Pretrained Transformer はコメントを受け付けていません

Towards generalizing deep-audio fake detection networks

要約 今日の生成ニューラル ネットワークでは、高品質の合成音声を大規模に作成でき … 続きを読む

カテゴリー: cs.LG, cs.SD, eess.AS | Towards generalizing deep-audio fake detection networks はコメントを受け付けていません

nEMO: Dataset of Emotional Speech in Polish

要約 音声感情認識は、ヘルスケア、顧客サービス、対話システムのパーソナライゼーシ … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | nEMO: Dataset of Emotional Speech in Polish はコメントを受け付けていません

MuPT: A Generative Symbolic Music Pretrained Transformer

要約 この論文では、音楽の事前トレーニングへの大規模言語モデル (LLM) の適 … 続きを読む

カテゴリー: cs.AI, cs.SD, eess.AS | MuPT: A Generative Symbolic Music Pretrained Transformer はコメントを受け付けていません