「eess.AS」カテゴリーアーカイブ

Automatic Speech Disentanglement for Voice Conversion using Rank Module and Speech Augmentation

投稿日: 2023年6月22日 作成者: jarxiv

要約 音声変換 (VC) は、ソースの内容を維持しながら、ソースの音声をターゲッ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Automatic Speech Disentanglement for Voice Conversion using Rank Module and Speech Augmentation はコメントを受け付けていません

Diffusion Posterior Sampling for Informed Single-Channel Dereverberation

投稿日: 2023年6月22日 作成者: jarxiv

要約 本稿では、拡散モデルによる条件付き生成に基づいた、情報に基づいた単一チャネ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Diffusion Posterior Sampling for Informed Single-Channel Dereverberation はコメントを受け付けていません

Visual-Aware Text-to-Speech

投稿日: 2023年6月22日 作成者: jarxiv

要約 対面での対話では、聞いている頭に積極的に反応する話し言葉を動的に合成するこ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Visual-Aware Text-to-Speech はコメントを受け付けていません

Strategies in Transfer Learning for Low-Resource Speech Synthesis: Phone Mapping, Features Input, and Source Language Selection

投稿日: 2023年6月22日 作成者: jarxiv

要約 PHOIBLE ベースの音マッピング手法の使用と、低リソース言語での TT … 続きを読む →

カテゴリー: cs.CL, eess.AS | Strategies in Transfer Learning for Low-Resource Speech Synthesis: Phone Mapping, Features Input, and Source Language Selection はコメントを受け付けていません

PATCorrect: Non-autoregressive Phoneme-augmented Transformer for ASR Error Correction

投稿日: 2023年6月22日 作成者: jarxiv

要約 自動音声認識 (ASR) システムによって発生する音声からテキストへのエラ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | PATCorrect: Non-autoregressive Phoneme-augmented Transformer for ASR Error Correction はコメントを受け付けていません

SGEM: Test-Time Adaptation for Automatic Speech Recognition via Sequential-Level Generalized Entropy Minimization

投稿日: 2023年6月22日 作成者: jarxiv

要約 自動音声認識 (ASR) モデルは、多くの実世界のシナリオでデータ分布の変 … 続きを読む →

カテゴリー: cs.AI, cs.LG, eess.AS | SGEM: Test-Time Adaptation for Automatic Speech Recognition via Sequential-Level Generalized Entropy Minimization はコメントを受け付けていません

Knowledge-based Multimodal Music Similarity

投稿日: 2023年6月22日 作成者: jarxiv

要約 音楽の類似性は、音楽検索、推奨システム、および音楽分析にとって重要な側面で … 続きを読む →

カテゴリー: cs.AI, cs.IR, cs.LG, cs.MM, cs.SD, eess.AS | Knowledge-based Multimodal Music Similarity はコメントを受け付けていません

MARBLE: Music Audio Representation Benchmark for Universal Evaluation

投稿日: 2023年6月22日 作成者: jarxiv

要約 画像生成やフィクションの共同制作など、アートと人工知能 (AI) が広範に … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | MARBLE: Music Audio Representation Benchmark for Universal Evaluation はコメントを受け付けていません

Visually grounded few-shot word learning in low-resource settings

投稿日: 2023年6月22日 作成者: jarxiv

要約 我々は、ほんの数個の単語と画像の例のペアから新しい単語とその視覚的描写を学 … 続きを読む →

カテゴリー: cs.CL, eess.AS | Visually grounded few-shot word learning in low-resource settings はコメントを受け付けていません

Deep neural network techniques for monaural speech enhancement: state of the art analysis

投稿日: 2023年6月21日 作成者: jarxiv

要約 ディープ ニューラル ネットワーク (DNN) 技術は、自然言語処理やコン … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Deep neural network techniques for monaural speech enhancement: state of the art analysis はコメントを受け付けていません