「eess.AS」カテゴリーアーカイブ

MERT: Acoustic Music Understanding Model with Large-Scale Self-supervised Training

投稿日: 2024年2月8日 作成者: jarxiv

要約 自己教師あり学習 (SSL) は、視覚、テキスト、および音声の分野の大規模 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | MERT: Acoustic Music Understanding Model with Large-Scale Self-supervised Training はコメントを受け付けていません

MusicRL: Aligning Music Generation to Human Preferences

投稿日: 2024年2月7日 作成者: jarxiv

要約 私たちは人間のフィードバックから微調整された初の音楽生成システム Musi … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | MusicRL: Aligning Music Generation to Human Preferences はコメントを受け付けていません

REBORN: Reinforcement-Learned Boundary Segmentation with Iterative Training for Unsupervised ASR

投稿日: 2024年2月7日 作成者: jarxiv

要約 教師なし自動音声認識 (ASR) は、音声とテキストのペアのデータを監視せ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | REBORN: Reinforcement-Learned Boundary Segmentation with Iterative Training for Unsupervised ASR はコメントを受け付けていません

Multimodal Speech Enhancement Using Burst Propagation

投稿日: 2024年2月6日 作成者: jarxiv

要約 本論文では、前頭前皮質や他の脳領域の錐体細胞に関する最新の神経学的発見を考 … 続きを読む →

カテゴリー: cs.LG, cs.MM, cs.SD, eess.AS | Multimodal Speech Enhancement Using Burst Propagation はコメントを受け付けていません

A Comprehensive Study of the Current State-of-the-Art in Nepali Automatic Speech Recognition Systems

投稿日: 2024年2月6日 作成者: jarxiv

要約 本稿では、ネパール語の自動音声認識（ASR）の分野で行われた研究を調査する … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | A Comprehensive Study of the Current State-of-the-Art in Nepali Automatic Speech Recognition Systems はコメントを受け付けていません

Spiking Music: Audio Compression with Event Based Auto-encoders

投稿日: 2024年2月5日 作成者: jarxiv

要約 脳内のニューロンは、スパイクと呼ばれる時間厳守のイベントを通じて情報を伝達 … 続きを読む →

カテゴリー: cs.LG, cs.NE, cs.SD, eess.AS | Spiking Music: Audio Compression with Event Based Auto-encoders はコメントを受け付けていません

Low-Resource Cross-Domain Singing Voice Synthesis via Reduced Self-Supervised Speech Representations

投稿日: 2024年2月5日 作成者: jarxiv

要約 本論文では、典型的な複数話者の音響モデルとして、テキストと音声データのみで … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Low-Resource Cross-Domain Singing Voice Synthesis via Reduced Self-Supervised Speech Representations はコメントを受け付けていません

How Paralingual are Paralinguistic Representations? A Case Study in Speech Emotion Recognition

投稿日: 2024年2月5日 作成者: jarxiv

要約 音声感情認識(SER)の分野では、事前学習モデル(PTM)によって大きな進 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | How Paralingual are Paralinguistic Representations? A Case Study in Speech Emotion Recognition はコメントを受け付けていません

BAT: Learning to Reason about Spatial Sounds with Large Language Models

投稿日: 2024年2月5日 作成者: jarxiv

要約 空間音推論は人間の基本的な能力であり、音に基づいて周囲の環境をナビゲートし … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | BAT: Learning to Reason about Spatial Sounds with Large Language Models はコメントを受け付けていません

An Analysis of the Variance of Diffusion-based Speech Enhancement

投稿日: 2024年2月2日 作成者: jarxiv

要約 拡散モデルは、生成音声強化のための強力なモデルであることが証明されました。 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | An Analysis of the Variance of Diffusion-based Speech Enhancement はコメントを受け付けていません