eess.AS」カテゴリーアーカイブ

Beyond the Labels: Unveiling Text-Dependency in Paralinguistic Speech Recognition Datasets

要約 認知負荷や感情などのパラ言語特性は、音声認識研究において極めて重要な領域と … 続きを読む

カテゴリー: cs.LG, eess.AS, eess.SP | Beyond the Labels: Unveiling Text-Dependency in Paralinguistic Speech Recognition Datasets はコメントを受け付けていません

Boosting keyword spotting through on-device learnable user speech characteristics

要約 常時稼働の TinyML 制約のあるアプリケーション用のキーワード スポッ … 続きを読む

カテゴリー: cs.LG, cs.SD, eess.AS | Boosting keyword spotting through on-device learnable user speech characteristics はコメントを受け付けていません

An Audio-textual Diffusion Model For Converting Speech Signals Into Ultrasound Tongue Imaging Data

要約 音響-調音反転 (AAI) は、音声を超音波舌画像 (UTI) データなど … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | An Audio-textual Diffusion Model For Converting Speech Signals Into Ultrasound Tongue Imaging Data はコメントを受け付けていません

Multilingual DistilWhisper: Efficient Distillation of Multi-task Speech Models via Language-Specific Experts

要約 Whisper は、99 言語をカバーするマルチタスクおよび多言語音声モデ … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | Multilingual DistilWhisper: Efficient Distillation of Multi-task Speech Models via Language-Specific Experts はコメントを受け付けていません

Spectrogram-Based Detection of Auto-Tuned Vocals in Music Recordings

要約 音楽制作とオーディオ処理の分野では、オートチューンとしても知られる歌声の自 … 続きを読む

カテゴリー: cs.CV, cs.SD, eess.AS | Spectrogram-Based Detection of Auto-Tuned Vocals in Music Recordings はコメントを受け付けていません

Align With Purpose: Optimize Desired Properties in CTC Models with a General Plug-and-Play Framework

要約 コネクショニスト時間分類 (CTC) は、教師ありシーケンスツーシーケンス … 続きを読む

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Align With Purpose: Optimize Desired Properties in CTC Models with a General Plug-and-Play Framework はコメントを受け付けていません

Audio-Visual Person Verification based on Recursive Fusion of Joint Cross-Attention

要約 顔と声が互いに密接に関連しているため、視聴覚融合を使用した個人または身元確 … 続きを読む

カテゴリー: cs.CV, cs.SD, eess.AS | Audio-Visual Person Verification based on Recursive Fusion of Joint Cross-Attention はコメントを受け付けていません

Dynamic Cross Attention for Audio-Visual Person Verification

要約 個人または身元の検証は、主に顔や音声などの個別のモダリティを使用して研究さ … 続きを読む

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Dynamic Cross Attention for Audio-Visual Person Verification はコメントを受け付けていません

NeuroVoz: a Castillian Spanish corpus of parkinsonian speech

要約 音声分析によるパーキンソン病(PD)診断の進歩は、公的に利用可能な多様な言 … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | NeuroVoz: a Castillian Spanish corpus of parkinsonian speech はコメントを受け付けていません

Single-Channel Robot Ego-Speech Filtering during Human-Robot Interaction

要約 この論文では、人間の音声がソーシャル ロボットである Pepper の声や … 続きを読む

カテゴリー: cs.HC, cs.RO, cs.SD, eess.AS, I.2.9 | Single-Channel Robot Ego-Speech Filtering during Human-Robot Interaction はコメントを受け付けていません