「eess.AS」カテゴリーアーカイブ

Vulnerability of Automatic Identity Recognition to Audio-Visual Deepfakes

投稿日: 2023年11月30日 作成者: jarxiv

要約 ディープフェイク検出の課題は、音声や視覚の研究者によって解決されるには程遠 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.SD, eess.AS, I.2.10 | Vulnerability of Automatic Identity Recognition to Audio-Visual Deepfakes はコメントを受け付けていません

StyleCap: Automatic Speaking-Style Captioning from Speech Based on Speech and Language Self-supervised Learning Models

投稿日: 2023年11月29日 作成者: jarxiv

要約 我々は、音声に現れる話し方の自然言語記述を生成する手法、StyleCap … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | StyleCap: Automatic Speaking-Style Captioning from Speech Based on Speech and Language Self-supervised Learning Models はコメントを受け付けていません

TODM: Train Once Deploy Many Efficient Supernet-Based RNN-T Compression For On-device ASR Models

投稿日: 2023年11月28日 作成者: jarxiv

要約 自動音声認識 (ASR) モデルは、デバイスに展開する前に、特定のハードウ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | TODM: Train Once Deploy Many Efficient Supernet-Based RNN-T Compression For On-device ASR Models はコメントを受け付けていません

A Quantitative Approach to Understand Self-Supervised Models as Cross-lingual Feature Extractors

投稿日: 2023年11月28日 作成者: jarxiv

要約 この研究では、言語を超えたコンテキストで英語の自己教師あり学習 (SSL) … 続きを読む →

カテゴリー: cs.CL, eess.AS | A Quantitative Approach to Understand Self-Supervised Models as Cross-lingual Feature Extractors はコメントを受け付けていません

CheapNET: Improving Light-weight speech enhancement network by projected loss function

投稿日: 2023年11月28日 作成者: jarxiv

要約 ノイズ抑制とエコー キャンセルは音声強調において重要であり、スマート デバ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | CheapNET: Improving Light-weight speech enhancement network by projected loss function はコメントを受け付けていません

SER_AMPEL: A multi-source dataset for SER of Italian older adults

投稿日: 2023年11月27日 作成者: jarxiv

要約 この論文では、音声感情認識 (SER) 用のマルチソース データセットであ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SER_AMPEL: A multi-source dataset for SER of Italian older adults はコメントを受け付けていません

tinyCLAP: Distilling Constrastive Language-Audio Pretrained Models

投稿日: 2023年11月27日 作成者: jarxiv

要約 Contrastive Language-Audio Pretrainin … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | tinyCLAP: Distilling Constrastive Language-Audio Pretrained Models はコメントを受け付けていません

GEmo-CLAP: Gender-Attribute-Enhanced Contrastive Language-Audio Pretraining for Accurate Speech Emotion Recognition

投稿日: 2023年11月27日 作成者: jarxiv

要約 対照的クロスモダリティ事前トレーニングは、最近さまざまな分野で目覚ましい成 … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | GEmo-CLAP: Gender-Attribute-Enhanced Contrastive Language-Audio Pretraining for Accurate Speech Emotion Recognition はコメントを受け付けていません

The effect of speech pathology on automatic speaker verification — a large-scale study

投稿日: 2023年11月23日 作成者: jarxiv

要約 データ駆動型音声処理の課題を乗り越える際の主なハードルの 1 つは、信頼で … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | The effect of speech pathology on automatic speaker verification — a large-scale study はコメントを受け付けていません

Audio classification with Dilated Convolution with Learnable Spacings

投稿日: 2023年11月23日 作成者: jarxiv

要約 学習可能な間隔を備えた拡張畳み込み (DCLS) は、バックプロパゲーショ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Audio classification with Dilated Convolution with Learnable Spacings はコメントを受け付けていません