「eess.AS」カテゴリーアーカイブ

Comparison of semi-supervised deep learning algorithms for audio classification

投稿日: 2023年3月9日 作成者: jarxiv

要約 この記事では、最近の 5 つの SSL メソッドを音声分類のタスクに適用し … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Comparison of semi-supervised deep learning algorithms for audio classification はコメントを受け付けていません

Do Prosody Transfer Models Transfer Prosody?

投稿日: 2023年3月9日 作成者: jarxiv

要約 Text-to-Speech 合成の最近のモデルの中には、参照発話の韻律を … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Do Prosody Transfer Models Transfer Prosody? はコメントを受け付けていません

New Audio Representations Image Gan Generation from BriVL

投稿日: 2023年3月9日 作成者: jarxiv

要約 最近、研究者は、場合によっては、大規模なインターネット データでの自己教師 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | New Audio Representations Image Gan Generation from BriVL はコメントを受け付けていません

An Inception-Residual-Based Architecture with Multi-Objective Loss for Detecting Respiratory Anomalies

投稿日: 2023年3月8日 作成者: jarxiv

要約 この論文では、呼吸音の録音から異常を検出するために適用される深層学習システ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, q-bio.QM | An Inception-Residual-Based Architecture with Multi-Objective Loss for Detecting Respiratory Anomalies はコメントを受け付けていません

Adaptive Knowledge Distillation between Text and Speech Pre-trained Models

投稿日: 2023年3月8日 作成者: jarxiv

要約 大量の音声コーパスでの学習は、多くの自己教師あり音声モデルの最近の成功につ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Adaptive Knowledge Distillation between Text and Speech Pre-trained Models はコメントを受け付けていません

Knowledge-aware Bayesian Co-attention for Multimodal Emotion Recognition

投稿日: 2023年3月8日 作成者: jarxiv

要約 マルチモーダル感情認識は、さまざまなモダリティを融合して人間の感情を予測す … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Knowledge-aware Bayesian Co-attention for Multimodal Emotion Recognition はコメントを受け付けていません

Perceive and predict: self-supervised speech representation based loss functions for speech enhancement

投稿日: 2023年3月8日 作成者: jarxiv

要約 音声強調の分野における最近の研究では、ニューラル音声強調モデルのトレーニン … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Perceive and predict: self-supervised speech representation based loss functions for speech enhancement はコメントを受け付けていません

MuAViC: A Multilingual Audio-Visual Corpus for Robust Speech Recognition and Robust Speech-to-Text Translation

投稿日: 2023年3月8日 作成者: jarxiv

要約 MuAViC は、9 つ​​の言語で 1200 時間のオーディオビジュアル … 続きを読む →

カテゴリー: cs.CL, eess.AS | MuAViC: A Multilingual Audio-Visual Corpus for Robust Speech Recognition and Robust Speech-to-Text Translation はコメントを受け付けていません

Leveraging Pre-trained AudioLDM for Sound Generation: A Benchmark Study

投稿日: 2023年3月8日 作成者: jarxiv

要約 ディープ ニューラル ネットワークは、最近、サウンド生成においてブレークス … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | Leveraging Pre-trained AudioLDM for Sound Generation: A Benchmark Study はコメントを受け付けていません

Speak Foreign Languages with Your Own Voice: Cross-Lingual Neural Codec Language Modeling

投稿日: 2023年3月8日 作成者: jarxiv

要約 クロスリンガル音声合成のためのクロスリンガル ニューラル コーデック言語モ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Speak Foreign Languages with Your Own Voice: Cross-Lingual Neural Codec Language Modeling はコメントを受け付けていません