「eess.AS」カテゴリーアーカイブ

Cross-modal Audio-visual Co-learning for Text-independent Speaker Verification

投稿日: 2023年2月23日 作成者: jarxiv

要約 視覚的な発話 (つまり、唇の動き) は、音声生成における同時発生と同期によ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS, eess.IV | Cross-modal Audio-visual Co-learning for Text-independent Speaker Verification はコメントを受け付けていません

Lightweight and High-Fidelity End-to-End Text-to-Speech with Multi-Band Generation and Inverse Short-Time Fourier Transform

投稿日: 2023年2月22日 作成者: jarxiv

要約 マルチバンド生成と逆短時間フーリエ変換を使用して、軽量なエンドツーエンドの … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, eess.SP | Lightweight and High-Fidelity End-to-End Text-to-Speech with Multi-Band Generation and Inverse Short-Time Fourier Transform はコメントを受け付けていません

MT4SSL: Boosting Self-Supervised Speech Representation Learning by Integrating Multiple Targets

投稿日: 2023年2月22日 作成者: jarxiv

要約 この論文では、自己訓練目標がどのように得られるかから、自己教師あり音声モデ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | MT4SSL: Boosting Self-Supervised Speech Representation Learning by Integrating Multiple Targets はコメントを受け付けていません

Exploring Wav2vec 2.0 fine-tuning for improved speech emotion recognition

投稿日: 2023年2月22日 作成者: jarxiv

要約 Wav2Vec 2.0 は音声認識 (ASR) 用に提案されていますが、音 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Exploring Wav2vec 2.0 fine-tuning for improved speech emotion recognition はコメントを受け付けていません

Efficient CTC Regularization via Coarse Labels for End-to-End Speech Translation

投稿日: 2023年2月22日 作成者: jarxiv

要約 エンド ツー エンドの音声翻訳の場合、ソース トランスクリプトまたはターゲ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Efficient CTC Regularization via Coarse Labels for End-to-End Speech Translation はコメントを受け付けていません

Interpretable Spectrum Transformation Attacks to Speaker Recognition

投稿日: 2023年2月22日 作成者: jarxiv

要約 話者認識に対する敵対的攻撃の成功は、主にホワイト ボックス シナリオにあり … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Interpretable Spectrum Transformation Attacks to Speaker Recognition はコメントを受け付けていません

Emphasizing Unseen Words: New Vocabulary Acquisition for End-to-End Speech Recognition

投稿日: 2023年2月22日 作成者: jarxiv

要約 人間の言語の動的な性質により、自動音声認識 (ASR) システムは新しい語 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Emphasizing Unseen Words: New Vocabulary Acquisition for End-to-End Speech Recognition 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2月22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

A DNN based Normalized Time-frequency Weighted Criterion for Robust Wideband DoA Estimation

投稿日: 2023年2月21日 作成者: jarxiv

要約 ディープ ニューラル ネットワーク (DNN) は、ノイズの多い環境での発 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, eess.SP | A DNN based Normalized Time-frequency Weighted Criterion for Robust Wideband DoA Estimation はコメントを受け付けていません

Emphasizing Unseen Words: New Vocabulary Acquisition for End-to-End Speech Recognition

投稿日: 2023年2月21日 作成者: jarxiv

要約 人間の言語の動的な性質により、自動音声認識 (ASR) システムは新しい語 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Emphasizing Unseen Words: New Vocabulary Acquisition for End-to-End Speech Recognition はコメントを受け付けていません