eess.AS」カテゴリーアーカイブ

Zipformer: A faster and better encoder for automatic speech recognition

要約 Conformer は、自動音声認識 (ASR) 用の最も人気のあるエンコ … 続きを読む

カテゴリー: cs.LG, cs.SD, eess.AS | Zipformer: A faster and better encoder for automatic speech recognition はコメントを受け付けていません

AIx Speed: Playback Speed Optimization Using Listening Comprehension of Speech Recognition Models

要約 人間は実際に観察されるよりも速い速度でオーディオを聞いたりビデオを見たりで … 続きを読む

カテゴリー: cs.CL, cs.HC, cs.LG, cs.SD, eess.AS | AIx Speed: Playback Speed Optimization Using Listening Comprehension of Speech Recognition Models はコメントを受け付けていません

NaturalSpeech 3: Zero-Shot Speech Synthesis with Factorized Codec and Diffusion Models

要約 最近の大規模な音声合成 (TTS) モデルは大幅な進歩を遂げていますが、音 … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | NaturalSpeech 3: Zero-Shot Speech Synthesis with Factorized Codec and Diffusion Models はコメントを受け付けていません

Cross Pseudo-Labeling for Semi-Supervised Audio-Visual Source Localization

要約 AVSL (Audio-Visual Source Localizatio … 続きを読む

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Cross Pseudo-Labeling for Semi-Supervised Audio-Visual Source Localization はコメントを受け付けていません

Dual Mean-Teacher: An Unbiased Semi-Supervised Framework for Audio-Visual Source Localization

要約 AVSL (Audio-Visual Source Localizatio … 続きを読む

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Dual Mean-Teacher: An Unbiased Semi-Supervised Framework for Audio-Visual Source Localization はコメントを受け付けていません

a-DCF: an architecture agnostic metric with application to spoofing-robust speaker verification

要約 なりすまし検出は今日主流の研究テーマである。標準的なメトリクスは、単独のス … 続きを読む

カテゴリー: cs.LG, eess.AS | a-DCF: an architecture agnostic metric with application to spoofing-robust speaker verification はコメントを受け付けていません

Automatic Speech Recognition using Advanced Deep Learning Approaches: A survey

要約 近年のディープラーニング(DL)の進歩は、自動音声認識(ASR)に大きな課 … 続きを読む

カテゴリー: cs.AI, cs.SD, eess.AS, eess.SP | Automatic Speech Recognition using Advanced Deep Learning Approaches: A survey はコメントを受け付けていません

A Closer Look at Wav2Vec2 Embeddings for On-Device Single-Channel Speech Enhancement

要約 自己教師付き学習モデルは、自動音声認識、話者識別、キーワード検出など、特定 … 続きを読む

カテゴリー: cs.AI, cs.LG, eess.AS | A Closer Look at Wav2Vec2 Embeddings for On-Device Single-Channel Speech Enhancement はコメントを受け付けていません

Unraveling Adversarial Examples against Speaker Identification — Techniques for Attack Detection and Victim Model Classification

要約 敵対的な例が話者識別システムを脅かすことが証明されており、それらに対するい … 続きを読む

カテゴリー: cs.CR, cs.LG, cs.SD, eess.AS | Unraveling Adversarial Examples against Speaker Identification — Techniques for Attack Detection and Victim Model Classification はコメントを受け付けていません

Compact Speech Translation Models via Discrete Speech Units Pretraining

要約 音声翻訳 (ST) で優れた結果を得るには、モデルの初期化として自己教師あ … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | Compact Speech Translation Models via Discrete Speech Units Pretraining はコメントを受け付けていません