「eess.AS」カテゴリーアーカイブ

MeetEval: A Toolkit for Computation of Word Error Rates for Meeting Transcription Systems

投稿日: 2023年10月3日 作成者: jarxiv

要約 MeetEval は、あらゆる種類の会議文字起こしシステムを評価するための … 続きを読む →

カテゴリー: cs.CL, eess.AS | MeetEval: A Toolkit for Computation of Word Error Rates for Meeting Transcription Systems はコメントを受け付けていません

On decoder-only architecture for speech-to-text and large language model integration

投稿日: 2023年10月3日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、自然言語処理の分野で目覚ましい成功を収め … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | On decoder-only architecture for speech-to-text and large language model integration はコメントを受け付けていません

Token-Level Serialized Output Training for Joint Streaming ASR and ST Leveraging Textual Alignments

投稿日: 2023年10月3日 作成者: jarxiv

要約 実際のアプリケーションでは、特に増分生成が必要なストリーミング シナリオで … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Token-Level Serialized Output Training for Joint Streaming ASR and ST Leveraging Textual Alignments はコメントを受け付けていません

Masked Autoencoders with Multi-Window Local-Global Attention Are Better Audio Learners

投稿日: 2023年10月3日 作成者: jarxiv

要約 この研究では、新しいマルチウィンドウ マルチヘッド アテンション (MW- … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Masked Autoencoders with Multi-Window Local-Global Attention Are Better Audio Learners はコメントを受け付けていません

Joint Audio and Speech Understanding

投稿日: 2023年10月3日 作成者: jarxiv

要約 人間は、音声と非音声の両方を含む音声信号に囲まれています。 音声イベントと … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Joint Audio and Speech Understanding はコメントを受け付けていません

Modality-Independent Teachers Meet Weakly-Supervised Audio-Visual Event Parser

投稿日: 2023年10月3日 作成者: jarxiv

要約 視聴覚学習は、マルチモーダル機械学習の主要な柱であり、コミュニティではモダ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Modality-Independent Teachers Meet Weakly-Supervised Audio-Visual Event Parser はコメントを受け付けていません

AV-CPL: Continuous Pseudo-Labeling for Audio-Visual Speech Recognition

投稿日: 2023年10月2日 作成者: jarxiv

要約 視聴覚音声には、自動音声認識 (ASR) と視覚音声認識 (VSR) の両 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, stat.ML | AV-CPL: Continuous Pseudo-Labeling for Audio-Visual Speech Recognition はコメントを受け付けていません

Can Generative Large Language Models Perform ASR Error Correction?

投稿日: 2023年10月2日 作成者: jarxiv

要約 ASR エラー修正は、音声認識システムの出力を後処理するための興味深いオプ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Can Generative Large Language Models Perform ASR Error Correction? はコメントを受け付けていません

Wiki-En-ASR-Adapt: Large-scale synthetic dataset for English ASR Customization

投稿日: 2023年10月2日 作成者: jarxiv

要約 固有名詞や用語などの多様なレアフレーズや語彙外 (OOV) フレーズに焦点 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Wiki-En-ASR-Adapt: Large-scale synthetic dataset for English ASR Customization はコメントを受け付けていません

The Role of Communication and Reference Songs in the Mixing Process: Insights from Professional Mix Engineers

投稿日: 2023年10月2日 作成者: jarxiv

要約 効果的な音楽ミキシングには技術的かつ創造的な繊細さが必要ですが、クライアン … 続きを読む →

カテゴリー: cs.AI, cs.HC, eess.AS | The Role of Communication and Reference Songs in the Mixing Process: Insights from Professional Mix Engineers はコメントを受け付けていません