「eess.AS」カテゴリーアーカイブ

Enabling Auditory Large Language Models for Automatic Speech Quality Evaluation

投稿日: 2025年4月2日 作成者: jarxiv

要約 音声品質評価では、通常、平均意見スコア（MOS）やスピーカーの類似性（SI … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Enabling Auditory Large Language Models for Automatic Speech Quality Evaluation はコメントを受け付けていません

QualiSpeech: A Speech Quality Assessment Dataset with Natural Language Reasoning and Descriptions

投稿日: 2025年4月2日 作成者: jarxiv

要約 このペーパーでは、自然言語の説明を活用することにより、音声品質評価に対する … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | QualiSpeech: A Speech Quality Assessment Dataset with Natural Language Reasoning and Descriptions はコメントを受け付けていません

Continuous Speech Tokenizer in Text To Speech

投稿日: 2025年4月1日 作成者: jarxiv

要約 大規模な言語モデルの時代における言語と言語の融合は、大きな注目を集めていま … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Continuous Speech Tokenizer in Text To Speech はコメントを受け付けていません

MoMuSE: Momentum Multi-modal Target Speaker Extraction for Real-time Scenarios with Impaired Visual Cues

投稿日: 2025年4月1日 作成者: jarxiv

要約 オーディオビジュアルターゲットスピーカー抽出（AV-TSE）は、時間同期さ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | MoMuSE: Momentum Multi-modal Target Speaker Extraction for Real-time Scenarios with Impaired Visual Cues はコメントを受け付けていません

Audio-Plane: Audio Factorization Plane Gaussian Splatting for Real-Time Talking Head Synthesis

投稿日: 2025年3月31日 作成者: jarxiv

要約 トーキングヘッド合成は、コンピューターグラフィックスとマルチメディアの重要 … 続きを読む →

カテゴリー: cs.CV, cs.GR, cs.SD, eess.AS | Audio-Plane: Audio Factorization Plane Gaussian Splatting for Real-Time Talking Head Synthesis はコメントを受け付けていません

Whistle: Data-Efficient Multilingual and Crosslingual Speech Recognition via Weakly Phonetic Supervision

投稿日: 2025年3月28日 作成者: jarxiv

要約 多言語および相互自動音声認識（MCL-ASR） – 音声または … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Whistle: Data-Efficient Multilingual and Crosslingual Speech Recognition via Weakly Phonetic Supervision はコメントを受け付けていません

Magnitude-Phase Dual-Path Speech Enhancement Network based on Self-Supervised Embedding and Perceptual Contrast Stretch Boosting

投稿日: 2025年3月28日 作成者: jarxiv

要約 スピーチの自己学習学習（SSL）は、さまざまな音声処理タスクで大きな進歩を … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Magnitude-Phase Dual-Path Speech Enhancement Network based on Self-Supervised Embedding and Perceptual Contrast Stretch Boosting はコメントを受け付けていません

Benchmarking Machine Learning Methods for Distributed Acoustic Sensing

投稿日: 2025年3月27日 作成者: jarxiv

要約 分散音響センシング（DAS）テクノロジーは、光ファイバーに沿った微小摂動の … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Benchmarking Machine Learning Methods for Distributed Acoustic Sensing はコメントを受け付けていません

Zero-Shot Audio-Visual Editing via Cross-Modal Delta Denoising

投稿日: 2025年3月27日 作成者: jarxiv

要約 このペーパーでは、ゼロショットオーディオビデオ編集を紹介します。これは、追 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Zero-Shot Audio-Visual Editing via Cross-Modal Delta Denoising はコメントを受け付けていません

Seeing Speech and Sound: Distinguishing and Locating Audios in Visual Scenes

投稿日: 2025年3月25日 作成者: jarxiv

要約 視覚シーン内の音声言語と非スピーチの両方の音の両方を同時に接地できる統合モ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Seeing Speech and Sound: Distinguishing and Locating Audios in Visual Scenes はコメントを受け付けていません