「eess.AS」カテゴリーアーカイブ

LanSER: Language-Model Supported Speech Emotion Recognition

投稿日: 2023年9月11日 作成者: jarxiv

要約 音声感情認識 (SER) モデルは通常、トレーニングにコストのかかる人間が … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | LanSER: Language-Model Supported Speech Emotion Recognition はコメントを受け付けていません

Multiple Representation Transfer from Large Language Models to End-to-End ASR Systems

投稿日: 2023年9月11日 作成者: jarxiv

要約 大規模言語モデル (LLM) の知識の転送は、言語知識をエンドツーエンドの … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Multiple Representation Transfer from Large Language Models to End-to-End ASR Systems はコメントを受け付けていません

Cross-Utterance Conditioned VAE for Speech Generation

投稿日: 2023年9月11日 作成者: jarxiv

要約 ニューラル ネットワークを活用した音声合成システムは、マルチメディア制作に … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Cross-Utterance Conditioned VAE for Speech Generation はコメントを受け付けていません

Adoption of AI Technology in the Music Mixing Workflow: An Investigation

投稿日: 2023年9月11日 作成者: jarxiv

要約 音楽業界における人工知能 (AI) テクノロジーの統合により、音楽の作曲、 … 続きを読む →

カテゴリー: cs.AI, cs.HC, cs.SD, eess.AS | Adoption of AI Technology in the Music Mixing Workflow: An Investigation はコメントを受け付けていません

The Role of Communication and Reference Songs in the Mixing Process: Insights from Professional Mix Engineers

投稿日: 2023年9月11日 作成者: jarxiv

要約 効果的な音楽ミキシングには技術的かつ創造的な繊細さが必要ですが、クライアン … 続きを読む →

カテゴリー: cs.AI, cs.HC, eess.AS | The Role of Communication and Reference Songs in the Mixing Process: Insights from Professional Mix Engineers はコメントを受け付けていません

A Generalized Bandsplit Neural Network for Cinematic Audio Source Separation

投稿日: 2023年9月8日 作成者: jarxiv

要約 映画的なオーディオ ソースの分離は、対話の幹、音楽の幹、およびそれらの混合 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, eess.SP | A Generalized Bandsplit Neural Network for Cinematic Audio Source Separation はコメントを受け付けていません

RoDia: A New Dataset for Romanian Dialect Identification from Speech

投稿日: 2023年9月8日 作成者: jarxiv

要約 方言の識別は、音声処理および言語テクノロジにおいて重要なタスクであり、音声 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | RoDia: A New Dataset for Romanian Dialect Identification from Speech はコメントを受け付けていません

Zero-Shot Audio Captioning via Audibility Guidance

投稿日: 2023年9月8日 作成者: jarxiv

要約 音声キャプションのタスクは、画像やビデオのキャプションなどのタスクと本質的 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Zero-Shot Audio Captioning via Audibility Guidance はコメントを受け付けていません

ImageBind-LLM: Multi-modality Instruction Tuning

投稿日: 2023年9月8日 作成者: jarxiv

要約 ImageBind-LLM は、ImageBind を介した大規模言語モデ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | ImageBind-LLM: Multi-modality Instruction Tuning はコメントを受け付けていません

Matcha-TTS: A fast TTS architecture with conditional flow matching

投稿日: 2023年9月7日 作成者: jarxiv

要約 Matcha-TTS は、最適トランスポート条件付きフロー マッチング ( … 続きを読む →

カテゴリー: 68T07, cs.HC, cs.LG, cs.SD, eess.AS, I.2.6 | Matcha-TTS: A fast TTS architecture with conditional flow matching はコメントを受け付けていません