「eess.AS」カテゴリーアーカイブ

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

投稿日: 2023年6月27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、神経音声強調モデルのトレーニングを支 … 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

Factorised Speaker-environment Adaptive Training of Conformer Speech Recognition Systems

投稿日: 2023年6月27日 作成者: jarxiv

要約 自然な音声には豊富な変動源があるため、現在のデータ集約型音声認識テクノロジ … 続きを読む →

カテゴリー: cs.CL, eess.AS | Factorised Speaker-environment Adaptive Training of Conformer Speech Recognition Systems はコメントを受け付けていません

Contextualized End-to-End Speech Recognition with Contextual Phrase Prediction Network

投稿日: 2023年6月27日 作成者: jarxiv

要約 コンテキスト情報は音声認識技術において重要な役割を果たしており、それをエン … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Contextualized End-to-End Speech Recognition with Contextual Phrase Prediction Network はコメントを受け付けていません

Towards Effective and Compact Contextual Representation for Conformer Transducer Speech Recognition Systems

投稿日: 2023年6月27日 作成者: jarxiv

要約 現在の ASR システムは主に発話レベルでトレーニングおよび評価されます。 … 続きを読む →

カテゴリー: cs.CL, eess.AS | Towards Effective and Compact Contextual Representation for Conformer Transducer Speech Recognition Systems はコメントを受け付けていません

DISCO-10M: A Large-Scale Music Dataset

投稿日: 2023年6月26日 作成者: jarxiv

要約 音楽データセットは、音楽の機械学習の研究を進める上で重要な役割を果たします … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | DISCO-10M: A Large-Scale Music Dataset はコメントを受け付けていません

TACOformer:Token-channel compounded Cross Attention for Multimodal Emotion Recognition

投稿日: 2023年6月26日 作成者: jarxiv

要約 最近、生理学的信号に基づく感情認識が集中的に研究されている分野として浮上し … 続きを読む →

カテゴリー: cs.LG, cs.MM, cs.SD, eess.AS | TACOformer:Token-channel compounded Cross Attention for Multimodal Emotion Recognition はコメントを受け付けていません

Towards Effective and Compact Contextual Representation for Conformer Transducer Speech Recognition Systems

投稿日: 2023年6月26日 作成者: jarxiv

要約 現在の ASR システムは主に発話レベルでトレーニングおよび評価されます。 … 続きを読む →

カテゴリー: cs.CL, eess.AS | Towards Effective and Compact Contextual Representation for Conformer Transducer Speech Recognition Systems はコメントを受け付けていません

Text-Driven Foley Sound Generation With Latent Diffusion Model

投稿日: 2023年6月26日 作成者: jarxiv

要約 フォーリー サウンド生成は、マルチメディア コンテンツの背景サウンドを合成 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Text-Driven Foley Sound Generation With Latent Diffusion Model はコメントを受け付けていません

Wind Noise Reduction with a Diffusion-based Stochastic Regeneration Model

投稿日: 2023年6月23日 作成者: jarxiv

要約 この論文では、予測モデリングと生成モデリングを組み合わせた、以前に提案した … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Wind Noise Reduction with a Diffusion-based Stochastic Regeneration Model はコメントを受け付けていません

NoRefER: a Referenceless Quality Metric for Automatic Speech Recognition via Semi-Supervised Language Model Fine-Tuning with Contrastive Learning

投稿日: 2023年6月23日 作成者: jarxiv

要約 この文書では、自動音声認識 (ASR) システム用の新しい参照のない品質指 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | NoRefER: a Referenceless Quality Metric for Automatic Speech Recognition via Semi-Supervised Language Model Fine-Tuning with Contrastive Learning はコメントを受け付けていません