「eess.AS」カテゴリーアーカイブ

Wind Noise Reduction with a Diffusion-based Stochastic Regeneration Model

投稿日: 2023年6月23日 作成者: jarxiv

要約 この論文では、予測モデリングと生成モデリングを組み合わせた、以前に提案した … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Wind Noise Reduction with a Diffusion-based Stochastic Regeneration Model はコメントを受け付けていません

NoRefER: a Referenceless Quality Metric for Automatic Speech Recognition via Semi-Supervised Language Model Fine-Tuning with Contrastive Learning

投稿日: 2023年6月23日 作成者: jarxiv

要約 この文書では、自動音声認識 (ASR) システム用の新しい参照のない品質指 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | NoRefER: a Referenceless Quality Metric for Automatic Speech Recognition via Semi-Supervised Language Model Fine-Tuning with Contrastive Learning はコメントを受け付けていません

Sequentially Sampled Chunk Conformer for Streaming End-to-End ASR

投稿日: 2023年6月23日 作成者: jarxiv

要約 このペーパーでは、ストリーミング エンドツーエンド (E2E) ASR 用 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Sequentially Sampled Chunk Conformer for Streaming End-to-End ASR はコメントを受け付けていません

Implicit spoken language diarization

投稿日: 2023年6月23日 作成者: jarxiv

要約 音声日記化 (LD) とそれに関連するタスクは、主に音韻アプローチを使用し … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Implicit spoken language diarization はコメントを受け付けていません

Exploiting Cross-domain And Cross-Lingual Ultrasound Tongue Imaging Features For Elderly And Dysarthric Speech Recognition

投稿日: 2023年6月23日 作成者: jarxiv

要約 調音機能は本質的に音響信号の歪みに対して不変であり、通常の音声用に設計され … 続きを読む →

カテゴリー: cs.AI, eess.AS | Exploiting Cross-domain And Cross-Lingual Ultrasound Tongue Imaging Features For Elderly And Dysarthric Speech Recognition はコメントを受け付けていません

Exploring Self-supervised Pre-trained ASR Models For Dysarthric and Elderly Speech Recognition

投稿日: 2023年6月23日 作成者: jarxiv

要約 乱れた発話や高齢者の発話を自動認識することは、そのようなデータを大量に収集 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Exploring Self-supervised Pre-trained ASR Models For Dysarthric and Elderly Speech Recognition はコメントを受け付けていません

MFCCGAN: A Novel MFCC-Based Speech Synthesizer Using Adversarial Learning

投稿日: 2023年6月23日 作成者: jarxiv

要約 本稿では、MFCCを入力として採用し、生の音声波形を生成する敵対的学習に基 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | MFCCGAN: A Novel MFCC-Based Speech Synthesizer Using Adversarial Learning はコメントを受け付けていません

Text-Driven Foley Sound Generation With Latent Diffusion Model

投稿日: 2023年6月23日 作成者: jarxiv

要約 フォーリー サウンド生成は、マルチメディア コンテンツの背景サウンドを合成 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Text-Driven Foley Sound Generation With Latent Diffusion Model はコメントを受け付けていません

AudioPaLM: A Large Language Model That Can Speak and Listen

投稿日: 2023年6月23日 作成者: jarxiv

要約 音声の理解と生成のための大規模な言語モデルである AudioPaLM を紹 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS, stat.ML | AudioPaLM: A Large Language Model That Can Speak and Listen はコメントを受け付けていません

Siamese SIREN: Audio Compression with Implicit Neural Representations

投稿日: 2023年6月23日 作成者: jarxiv

要約 Implicit Neural Representations (INR) … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Siamese SIREN: Audio Compression with Implicit Neural Representations はコメントを受け付けていません