eess.AS」カテゴリーアーカイブ

Connecting Speech Encoder and Large Language Model for ASR

要約 大規模言語モデル (LLM) の優れた機能と多用途性により、自動音声認識 … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | Connecting Speech Encoder and Large Language Model for ASR はコメントを受け付けていません

Leveraging Data Collection and Unsupervised Learning for Code-switched Tunisian Arabic Automatic Speech Recognition

要約 方言に対する効果的な自動音声認識 (ASR) ソリューションを作成するには … 続きを読む

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Leveraging Data Collection and Unsupervised Learning for Code-switched Tunisian Arabic Automatic Speech Recognition はコメントを受け付けていません

Analysis and Detection of Pathological Voice using Glottal Source Features

要約 音声の病状を自動検出することで、客観的な評価と早期の診断介入が可能になりま … 続きを読む

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS, eess.SP | Analysis and Detection of Pathological Voice using Glottal Source Features はコメントを受け付けていません

MASR: Multi-label Aware Speech Representation

要約 近年、音声表現学習は主に自己教師あり学習 (SSL) タスクとして構築され … 続きを読む

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | MASR: Multi-label Aware Speech Representation はコメントを受け付けていません

Wav2vec-based Detection and Severity Level Classification of Dysarthria from Speech

要約 音響音声信号から直接、構音障害を自動検出および重症度レベル分類することは、 … 続きを読む

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS, eess.SP | Wav2vec-based Detection and Severity Level Classification of Dysarthria from Speech はコメントを受け付けていません

On the Relation between Internal Language Model and Sequence Discriminative Training for Neural Transducers

要約 内部言語モデル (ILM) の減算は、音声認識用の外部言語モデル (LM) … 続きを読む

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | On the Relation between Internal Language Model and Sequence Discriminative Training for Neural Transducers はコメントを受け付けていません

Towards General-Purpose Text-Instruction-Guided Voice Conversion

要約 この論文では、「深いトーンでゆっくり発音する」または「元気な少年のような声 … 続きを読む

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Towards General-Purpose Text-Instruction-Guided Voice Conversion はコメントを受け付けていません

SCANet: A Self- and Cross-Attention Network for Audio-Visual Speech Separation

要約 音声情報や視覚情報などのさまざまなモダリティの統合は、周囲環境に対する人間 … 続きを読む

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | SCANet: A Self- and Cross-Attention Network for Audio-Visual Speech Separation はコメントを受け付けていません

Contextual Biasing of Named-Entities with Large Language Models

要約 この論文では、大規模言語モデル (LLM) を使用したコンテキスト バイア … 続きを読む

カテゴリー: 68T10, cs.AI, cs.CL, cs.LG, cs.SD, eess.AS, I.2.7 | Contextual Biasing of Named-Entities with Large Language Models はコメントを受け付けていません

Reduce, Reuse, Recycle: Is Perturbed Data better than Other Language augmentation for Low Resource Self-Supervised Speech Models

要約 自己教師あり表現学習 (SSRL) により、教師ありモデルと比較して、下流 … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | Reduce, Reuse, Recycle: Is Perturbed Data better than Other Language augmentation for Low Resource Self-Supervised Speech Models はコメントを受け付けていません