「eess.AS」カテゴリーアーカイブ

Pseudo-Autoregressive Neural Codec Language Models for Efficient Zero-Shot Text-to-Speech Synthesis

投稿日: 2025年4月15日 作成者: jarxiv

要約 最近のゼロショットテキスト（TTS）システムは一般的なジレンマに直面してい … 続きを読む →

カテゴリー: cs.CL, eess.AS | Pseudo-Autoregressive Neural Codec Language Models for Efficient Zero-Shot Text-to-Speech Synthesis はコメントを受け付けていません

Generalized Multilingual Text-to-Speech Generation with Language-Aware Style Adaptation

投稿日: 2025年4月14日 作成者: jarxiv

要約 テキストツースピーチ（TTS）モデルは、音素を波形に変換することにより、複 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Generalized Multilingual Text-to-Speech Generation with Language-Aware Style Adaptation はコメントを受け付けていません

On The Landscape of Spoken Language Models: A Comprehensive Survey

投稿日: 2025年4月14日 作成者: jarxiv

要約 音声言語処理の分野は、普遍的な音声処理システムとして機能するカスタム構築の … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | On The Landscape of Spoken Language Models: A Comprehensive Survey はコメントを受け付けていません

Towards Unified Music Emotion Recognition across Dimensional and Categorical Models

投稿日: 2025年4月14日 作成者: jarxiv

要約 音楽感情認識（MER）における最も重要な課題の1つは、感情ラベルがカテゴリ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Towards Unified Music Emotion Recognition across Dimensional and Categorical Models はコメントを受け付けていません

Mitigating Timbre Leakage with Universal Semantic Mapping Residual Block for Voice Conversion

投稿日: 2025年4月14日 作成者: jarxiv

要約 音声変換（VC）は、コンテンツを保存することにより、ソース音声をターゲット … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Mitigating Timbre Leakage with Universal Semantic Mapping Residual Block for Voice Conversion はコメントを受け付けていません

SD-HuBERT: Sentence-Level Self-Distillation Induces Syllabic Organization in HuBERT

投稿日: 2025年4月11日 作成者: jarxiv

要約 スピーチの自己監視学習（SSL）におけるデータ駆動型ユニットの発見は、音声 … 続きを読む →

カテゴリー: cs.CL, eess.AS | SD-HuBERT: Sentence-Level Self-Distillation Induces Syllabic Organization in HuBERT はコメントを受け付けていません

autrainer: A Modular and Extensible Deep Learning Toolkit for Computer Audition Tasks

投稿日: 2025年4月11日 作成者: jarxiv

要約 この作業では、コンピューターオーディションタスクの新しいディープラーニング … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | autrainer: A Modular and Extensible Deep Learning Toolkit for Computer Audition Tasks はコメントを受け付けていません

Taming Data and Transformers for Scalable Audio Generation

投稿日: 2025年4月11日 作成者: jarxiv

要約 アンビエントサウンドジェネレーターのスケーラビリティは、データ不足、キャプ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM, cs.SD, eess.AS | Taming Data and Transformers for Scalable Audio Generation はコメントを受け付けていません

TASTE: Text-Aligned Speech Tokenization and Embedding for Spoken Language Modeling

投稿日: 2025年4月10日 作成者: jarxiv

要約 大規模な言語モデル（LLM）は、テキストベースの自然言語処理タスクに優れて … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | TASTE: Text-Aligned Speech Tokenization and Embedding for Spoken Language Modeling はコメントを受け付けていません

RNN-Transducer-based Losses for Speech Recognition on Noisy Targets

投稿日: 2025年4月10日 作成者: jarxiv

要約 騒々しい転写産物に関するトレーニング音声認識システムは、データセットが膨大 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | RNN-Transducer-based Losses for Speech Recognition on Noisy Targets はコメントを受け付けていません