「eess.AS」カテゴリーアーカイブ

Towards Leveraging Contrastively Pretrained Neural Audio Embeddings for Recommender Tasks

投稿日: 2024年9月16日 作成者: jarxiv

要約 音楽レコメンダー システムは、音楽作品、アーティスト、ユーザー間の関係を把 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Towards Leveraging Contrastively Pretrained Neural Audio Embeddings for Recommender Tasks はコメントを受け付けていません

StyleSinger: Style Transfer for Out-of-Domain Singing Voice Synthesis

投稿日: 2024年9月13日 作成者: jarxiv

要約 ドメイン外 (OOD) 歌声合成 (SVS) のためのスタイル転送は、リフ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | StyleSinger: Style Transfer for Out-of-Domain Singing Voice Synthesis はコメントを受け付けていません

Full-text Error Correction for Chinese Speech Recognition with Large Language Model

投稿日: 2024年9月13日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、自動音声認識 (ASR) におけるエラー … 続きを読む →

カテゴリー: cs.CL, eess.AS | Full-text Error Correction for Chinese Speech Recognition with Large Language Model はコメントを受け付けていません

A corpus-based investigation of pitch contours of monosyllabic words in conversational Taiwan Mandarin

投稿日: 2024年9月13日 作成者: jarxiv

要約 中国語では、単独で、または注意して話したときに生成される単音節単語の音調の … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | A corpus-based investigation of pitch contours of monosyllabic words in conversational Taiwan Mandarin はコメントを受け付けていません

The Faetar Benchmark: Speech Recognition in a Very Under-Resourced Language

投稿日: 2024年9月13日 作成者: jarxiv

要約 Faetar 自動音声認識ベンチマークを紹介します。これは、低リソースの音 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | The Faetar Benchmark: Speech Recognition in a Very Under-Resourced Language はコメントを受け付けていません

AudioBERT: Audio Knowledge Augmented Language Model

投稿日: 2024年9月13日 作成者: jarxiv

要約 最近の研究では、テキストのみのデータセットで事前トレーニングされた言語モデ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | AudioBERT: Audio Knowledge Augmented Language Model はコメントを受け付けていません

Sim2Real Transfer for Audio-Visual Navigation with Frequency-Adaptive Acoustic Field Prediction

投稿日: 2024年9月12日 作成者: jarxiv

要約 Sim2real 転送は、シミュレーションでロボット タスクをエンドツーエ … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.RO, cs.SD, eess.AS | Sim2Real Transfer for Audio-Visual Navigation with Frequency-Adaptive Acoustic Field Prediction はコメントを受け付けていません

D-CAPTCHA++: A Study of Resilience of Deepfake CAPTCHA under Transferable Imperceptible Adversarial Attack

投稿日: 2024年9月12日 作成者: jarxiv

要約 生成 AI の進歩により、テキスト読み上げや音声変換などの音声合成モデルの … 続きを読む →

カテゴリー: cs.CR, cs.LG, cs.SD, eess.AS | D-CAPTCHA++: A Study of Resilience of Deepfake CAPTCHA under Transferable Imperceptible Adversarial Attack はコメントを受け付けていません

Cross-Modal Denoising: A Novel Training Paradigm for Enhancing Speech-Image Retrieval

投稿日: 2024年9月12日 作成者: jarxiv

要約 音声と画像の検索が成功するかどうかは、音声と画像の間の効果的な調整を確立で … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Cross-Modal Denoising: A Novel Training Paradigm for Enhancing Speech-Image Retrieval はコメントを受け付けていません

Coarse-to-fine Alignment Makes Better Speech-image Retrieval

投稿日: 2024年9月12日 作成者: jarxiv

要約 この論文では、音声画像検索のための新しいフレームワークを提案します。 音声 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Coarse-to-fine Alignment Makes Better Speech-image Retrieval はコメントを受け付けていません