「eess.AS」カテゴリーアーカイブ

Exploratory Evaluation of Speech Content Masking

投稿日: 2024年1月9日 作成者: jarxiv

要約 最近の音声プライバシーの取り組みのほとんどは、音響話者の属性を匿名化するこ … 続きを読む →

カテゴリー: cs.CR, cs.LG, cs.SD, eess.AS | Exploratory Evaluation of Speech Content Masking はコメントを受け付けていません

Highly Efficient Real-Time Streaming and Fully On-Device Speaker Diarization with Multi-Stage Clustering

投稿日: 2024年1月9日 作成者: jarxiv

要約 話者ダイアライゼーションにおける最近の研究の進歩は、主にダイアライゼーショ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Highly Efficient Real-Time Streaming and Fully On-Device Speaker Diarization with Multi-Stage Clustering はコメントを受け付けていません

Convoifilter: A case study of doing cocktail party speech recognition

投稿日: 2024年1月9日 作成者: jarxiv

要約 このペーパーでは、混雑した騒々しい環境における特定の話者の自動音声認識 ( … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Convoifilter: A case study of doing cocktail party speech recognition はコメントを受け付けていません

Toward A Reinforcement-Learning-Based System for Adjusting Medication to Minimize Speech Disfluency

投稿日: 2024年1月9日 作成者: jarxiv

要約 私たちは強化学習ベースのシステムを提案します。このシステムは、メンタルヘル … 続きを読む →

カテゴリー: cs.CL, cs.LG, eess.AS | Toward A Reinforcement-Learning-Based System for Adjusting Medication to Minimize Speech Disfluency はコメントを受け付けていません

Efficient Multiscale Multimodal Bottleneck Transformer for Audio-Video Classification

投稿日: 2024年1月9日 作成者: jarxiv

要約 近年、研究者は音声信号とビデオ信号の両方を組み合わせて、アクションが視覚的 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Efficient Multiscale Multimodal Bottleneck Transformer for Audio-Video Classification はコメントを受け付けていません

Towards ASR Robust Spoken Language Understanding Through In-Context Learning With Word Confusion Networks

投稿日: 2024年1月8日 作成者: jarxiv

要約 音声言語理解 (SLU) の分野では、従来の書き言葉の代わりに音声を書き起 … 続きを読む →

カテゴリー: cs.CL, eess.AS | Towards ASR Robust Spoken Language Understanding Through In-Context Learning With Word Confusion Networks はコメントを受け付けていません

Retrieval-Augmented Text-to-Audio Generation

投稿日: 2024年1月8日 作成者: jarxiv

要約 Text-to-Audio (TTA) 生成における最近の進歩にも関わらず … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | Retrieval-Augmented Text-to-Audio Generation はコメントを受け付けていません

Pheme: Efficient and Conversational Speech Generation

投稿日: 2024年1月8日 作成者: jarxiv

要約 近年、音声生成は目覚ましい進歩を遂げており、実際の人間の声とほとんど区別で … 続きを読む →

カテゴリー: cs.AI, cs.CL, eess.AS | Pheme: Efficient and Conversational Speech Generation はコメントを受け付けていません

Direction of Arrival Estimation Using Microphone Array Processing for Moving Humanoid Robots

投稿日: 2024年1月5日 作成者: jarxiv

要約 人型ロボットの聴覚システムは、近年ますます注目を集めています。 このシステ … 続きを読む →

カテゴリー: cs.RO, cs.SD, eess.AS | Direction of Arrival Estimation Using Microphone Array Processing for Moving Humanoid Robots はコメントを受け付けていません

PEFT for Speech: Unveiling Optimal Placement, Merging Strategies, and Ensemble Techniques

投稿日: 2024年1月5日 作成者: jarxiv

要約 PEFT（Parameter-Efficient Fine-Tuning） … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | PEFT for Speech: Unveiling Optimal Placement, Merging Strategies, and Ensemble Techniques はコメントを受け付けていません