「eess.AS」カテゴリーアーカイブ

Foundation Models for Music: A Survey

投稿日: 2024年9月4日 作成者: jarxiv

要約 近年、大規模言語モデル(LLM)や潜在拡散モデル(LDM)などの基盤モデル … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Foundation Models for Music: A Survey はコメントを受け付けていません

Towards reliable respiratory disease diagnosis based on cough sounds and vision transformers

投稿日: 2024年9月4日 作成者: jarxiv

要約 近年のディープラーニング技術の進歩により、マルチモーダルな医療データに基づ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Towards reliable respiratory disease diagnosis based on cough sounds and vision transformers はコメントを受け付けていません

Hold Me Tight: Stable Encoder-Decoder Design for Speech Enhancement

投稿日: 2024年9月2日 作成者: jarxiv

要約 1 次元フィルターを備えた畳み込み層は、オーディオ信号をエンコードするため … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Hold Me Tight: Stable Encoder-Decoder Design for Speech Enhancement はコメントを受け付けていません

SelectTTS: Synthesizing Anyone’s Voice via Discrete Unit-Based Frame Selection

投稿日: 2024年9月2日 作成者: jarxiv

要約 見えない話者の音声を合成することは、複数話者のテキスト読み上げ (TTS) … 続きを読む →

カテゴリー: cs.LG, eess.AS | SelectTTS: Synthesizing Anyone’s Voice via Discrete Unit-Based Frame Selection はコメントを受け付けていません

Towards Achieving Human Parity on End-to-end Simultaneous Speech Translation via LLM Agent

投稿日: 2024年9月2日 作成者: jarxiv

要約 この論文では、高品質で人間のような同時音声翻訳 (SiST) システムであ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Towards Achieving Human Parity on End-to-end Simultaneous Speech Translation via LLM Agent はコメントを受け付けていません

Contextualized Automatic Speech Recognition with Dynamic Vocabulary

投稿日: 2024年9月2日 作成者: jarxiv

要約 ディープ バイアス (DB) は、バイアス リストを使用して、まれな単語や … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Contextualized Automatic Speech Recognition with Dynamic Vocabulary はコメントを受け付けていません

Codec Does Matter: Exploring the Semantic Shortcoming of Codec for Audio Language Model

投稿日: 2024年9月2日 作成者: jarxiv

要約 オーディオ生成における最近の進歩は、大規模言語モデル (LLM) の機能に … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Codec Does Matter: Exploring the Semantic Shortcoming of Codec for Audio Language Model はコメントを受け付けていません

AASIST3: KAN-Enhanced AASIST Speech Deepfake Detection using SSL Features and Additional Regularization for the ASVspoof 2024 Challenge

投稿日: 2024年9月2日 作成者: jarxiv

要約 音声の特徴に基づいて話者を識別する自動話者認証 (ASV) システムは、金 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | AASIST3: KAN-Enhanced AASIST Speech Deepfake Detection using SSL Features and Additional Regularization for the ASVspoof 2024 Challenge はコメントを受け付けていません

Advancing Multi-talker ASR Performance with Large Language Models

投稿日: 2024年9月2日 作成者: jarxiv

要約 会話シナリオで複数の話者から重複する音声を認識することは、自動音声認識 ( … 続きを読む →

カテゴリー: cs.AI, eess.AS | Advancing Multi-talker ASR Performance with Large Language Models はコメントを受け付けていません

Mini-Omni: Language Models Can Hear, Talk While Thinking in Streaming

投稿日: 2024年9月2日 作成者: jarxiv

要約 言語モデルの最近の進歩は大幅な進歩を遂げています。 GPT-4o は新たな … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.HC, cs.LG, cs.SD, eess.AS | Mini-Omni: Language Models Can Hear, Talk While Thinking in Streaming はコメントを受け付けていません