「eess.AS」カテゴリーアーカイブ

ReZero: Region-customizable Sound Extraction

投稿日: 2023年9月1日 作成者: jarxiv

要約 マルチチャネル領域ごとのサウンド抽出 (R-SE) タスク用の一般的で柔軟 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | ReZero: Region-customizable Sound Extraction はコメントを受け付けていません

Diffiner: A Versatile Diffusion-based Generative Refiner for Speech Enhancement

投稿日: 2023年8月31日 作成者: jarxiv

要約 ディープ ニューラル ネットワーク (DNN) ベースの音声強調 (SE) … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Diffiner: A Versatile Diffusion-based Generative Refiner for Speech Enhancement はコメントを受け付けていません

LLaSM: Large Language and Speech Model

投稿日: 2023年8月31日 作成者: jarxiv

要約 マルチモーダル大規模言語モデルは、最近大きな関心を集めています。 ただし、 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | LLaSM: Large Language and Speech Model はコメントを受け付けていません

What You Hear Is What You See: Audio Quality Metrics From Image Quality Metrics

投稿日: 2023年8月31日 作成者: jarxiv

要約 この研究では、オーディオ信号をスペクトログラムとして表すことにより、オーデ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | What You Hear Is What You See: Audio Quality Metrics From Image Quality Metrics はコメントを受け付けていません

Investigating Reproducibility at Interspeech Conferences: A Longitudinal and Comparative Perspective

投稿日: 2023年8月30日 作成者: jarxiv

要約 再現性は、分野を超えた科学の進歩にとって重要な側面であり、オープン サイエ … 続きを読む →

カテゴリー: cs.DL, cs.LG, eess.AS | Investigating Reproducibility at Interspeech Conferences: A Longitudinal and Comparative Perspective はコメントを受け付けていません

a unified front-end framework for english text-to-speech synthesis

投稿日: 2023年8月30日 作成者: jarxiv

要約 フロントエンドは英語音声合成 (TTS) システムの重要なコンポーネントで … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | a unified front-end framework for english text-to-speech synthesis はコメントを受け付けていません

Killing two birds with one stone: Can an audio captioning system also be used for audio-text retrieval?

投稿日: 2023年8月30日 作成者: jarxiv

要約 自動音声キャプション (AAC) は、テキスト文を使用して音声録音を説明で … 続きを読む →

カテゴリー: cs.CL, cs.IR, cs.SD, eess.AS | Killing two birds with one stone: Can an audio captioning system also be used for audio-text retrieval? はコメントを受け付けていません

OLISIA: a Cascade System for Spoken Dialogue State Tracking

投稿日: 2023年8月30日 作成者: jarxiv

要約 Dialogue State Tracking (DST) は音声対話シス … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | OLISIA: a Cascade System for Spoken Dialogue State Tracking はコメントを受け付けていません

Let There Be Sound: Reconstructing High Quality Speech from Silent Videos

投稿日: 2023年8月30日 作成者: jarxiv

要約 この研究の目標は、唇の動きだけから高品質の音声を再構築することであり、この … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Let There Be Sound: Reconstructing High Quality Speech from Silent Videos はコメントを受け付けていません

Spoken Language Intelligence of Large Language Models for Language Learning

投稿日: 2023年8月29日 作成者: jarxiv

要約 人々は長い間、実生活の状況を支援できる会話システムを望んできましたが、大規 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Spoken Language Intelligence of Large Language Models for Language Learning はコメントを受け付けていません