「eess.AS」カテゴリーアーカイブ

Beyond Silence: Bias Analysis through Loss and Asymmetric Approach in Audio Anti-Spoofing

投稿日: 2024年8月27日 作成者: jarxiv

要約 オーディオのスプーフィング検出研究の現在の傾向は、さまざまなスプーフィング … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Beyond Silence: Bias Analysis through Loss and Asymmetric Approach in Audio Anti-Spoofing はコメントを受け付けていません

Foundation Models for Music: A Survey

投稿日: 2024年8月27日 作成者: jarxiv

要約 近年、大規模言語モデル (LLM) や潜在拡散モデル (LDM) などの基 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Foundation Models for Music: A Survey はコメントを受け付けていません

On Class Separability Pitfalls In Audio-Text Contrastive Zero-Shot Learning

投稿日: 2024年8月26日 作成者: jarxiv

要約 オーディオとテキストのクロスモーダル対比学習の最近の進歩により、ゼロショッ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | On Class Separability Pitfalls In Audio-Text Contrastive Zero-Shot Learning はコメントを受け付けていません

EAViT: External Attention Vision Transformer for Audio Classification

投稿日: 2024年8月26日 作成者: jarxiv

要約 この文書では、オーディオ分類の精度を高めるために設計された新しいアプローチ … 続きを読む →

カテゴリー: cs.IR, cs.LG, cs.SD, eess.AS | EAViT: External Attention Vision Transformer for Audio Classification はコメントを受け付けていません

mHuBERT-147: A Compact Multilingual HuBERT Model

投稿日: 2024年8月26日 作成者: jarxiv

要約 我々は、90,000 時間のクリーンなオープンライセンス データでトレーニ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | mHuBERT-147: A Compact Multilingual HuBERT Model はコメントを受け付けていません

Which Prosodic Features Matter Most for Pragmatics?

投稿日: 2024年8月26日 作成者: jarxiv

要約 私たちは、韻律機能を伝える際にどの韻律特徴が最も重要であるかを調査します。 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Which Prosodic Features Matter Most for Pragmatics? はコメントを受け付けていません

SpeechPrompt: Prompting Speech Language Models for Speech Processing Tasks

投稿日: 2024年8月26日 作成者: jarxiv

要約 プロンプトは、事前トレーニングされた言語モデル (LM) を利用するための … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, eess.AS | SpeechPrompt: Prompting Speech Language Models for Speech Processing Tasks はコメントを受け付けていません

Advancing Voice Cloning for Nepali: Leveraging Transfer Learning in a Low-Resource Language

投稿日: 2024年8月26日 作成者: jarxiv

要約 音声クローン作成は、パーソナライズされた音声インターフェイスの顕著な機能で … 続きを読む →

カテゴリー: 91F20, cs.AI, cs.LG, cs.SD, eess.AS, I.2.7 | Advancing Voice Cloning for Nepali: Leveraging Transfer Learning in a Low-Resource Language はコメントを受け付けていません

Dynamic Gated Recurrent Neural Network for Compute-efficient Speech Enhancement

投稿日: 2024年8月23日 作成者: jarxiv

要約 このペーパーでは、リソースに制約のあるハードウェア プラットフォーム上で実 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Dynamic Gated Recurrent Neural Network for Compute-efficient Speech Enhancement はコメントを受け付けていません

Self-Learning for Personalized Keyword Spotting on Ultra-Low-Power Audio Sensors

投稿日: 2024年8月23日 作成者: jarxiv

要約 この論文では、超低電力スマート オーディオ センサーへの展開後に、パーソナ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Self-Learning for Personalized Keyword Spotting on Ultra-Low-Power Audio Sensors はコメントを受け付けていません