「eess.AS」カテゴリーアーカイブ

Full-Duplex-Bench: A Benchmark to Evaluate Full-duplex Spoken Dialogue Models on Turn-taking Capabilities

投稿日: 2025年3月7日 作成者: jarxiv

要約 話しかけられた対話モデリングは、テキストベースの言語モデリングを超えた独自 … 続きを読む →

カテゴリー: cs.CL, eess.AS | Full-Duplex-Bench: A Benchmark to Evaluate Full-duplex Spoken Dialogue Models on Turn-taking Capabilities はコメントを受け付けていません

Self-Supervised Models for Phoneme Recognition: Applications in Children’s Speech for Reading Learning

投稿日: 2025年3月7日 作成者: jarxiv

要約 子どもの音声認識は、データの不足（特に英語以外の言語）とこのタスクの具体的 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Self-Supervised Models for Phoneme Recognition: Applications in Children’s Speech for Reading Learning はコメントを受け付けていません

Scaling Rich Style-Prompted Text-to-Speech Datasets

投稿日: 2025年3月7日 作成者: jarxiv

要約 豊かなスタイルのキャプションでスピーチの発話を注釈する大規模なデータセット … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Scaling Rich Style-Prompted Text-to-Speech Datasets はコメントを受け付けていません

Quantification of Tenseness in English and Japanese Tense-Lax Vowels: A Lagrangian Model with Indicator $θ_1$ and Force of Tenseness Ftense(t)

投稿日: 2025年3月6日 作成者: jarxiv

要約 母音の緊張性の概念は、伝統的に時制と緩き母音のバイナリ区別を通じて調べられ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Quantification of Tenseness in English and Japanese Tense-Lax Vowels: A Lagrangian Model with Indicator $θ_1$ and Force of Tenseness Ftense(t) はコメントを受け付けていません

CTC-DRO: Robust Optimization for Reducing Language Disparities in Speech Recognition

投稿日: 2025年3月6日 作成者: jarxiv

要約 最新のディープラーニングモデルは、多くの場合、全体的なパフォーマンスが高い … 続きを読む →

カテゴリー: cs.CL, cs.LG, eess.AS | CTC-DRO: Robust Optimization for Reducing Language Disparities in Speech Recognition はコメントを受け付けていません

DeePen: Penetration Testing for Audio Deepfake Detection

投稿日: 2025年3月6日 作成者: jarxiv

要約 ディープフェイク – 操作または偽造オーディオおよびビデオメデ … 続きを読む →

カテゴリー: cs.AI, cs.CR, cs.SD, eess.AS | DeePen: Penetration Testing for Audio Deepfake Detection はコメントを受け付けていません

InSerter: Speech Instruction Following with Unsupervised Interleaved Pre-training

投稿日: 2025年3月5日 作成者: jarxiv

要約 スピーチの大規模な言語モデル（SpeechllMS）の最近の進歩は、かなり … 続きを読む →

カテゴリー: cs.CL, cs.HC, cs.SD, eess.AS | InSerter: Speech Instruction Following with Unsupervised Interleaved Pre-training はコメントを受け付けていません

A Multimodal Symphony: Integrating Taste and Sound through Generative AI

投稿日: 2025年3月5日 作成者: jarxiv

要約 ここ数十年で、神経科学的および心理的研究は、味と聴覚認識の間の直接的な関係 … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS, I.2.6 | A Multimodal Symphony: Integrating Taste and Sound through Generative AI はコメントを受け付けていません

Enabling Auditory Large Language Models for Automatic Speech Quality Evaluation

投稿日: 2025年3月4日 作成者: jarxiv

要約 音声品質評価では通常、平均オピニオンスコア(MOS)や話者類似度(SIM) … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Enabling Auditory Large Language Models for Automatic Speech Quality Evaluation はコメントを受け付けていません

Offload Rethinking by Cloud Assistance for Efficient Environmental Sound Recognition on LPWANs

投稿日: 2025年3月4日 作成者: jarxiv

要約 学習ベースの環境音認識は、生物学研究や都市規模のセンシングシステムにおける … 続きを読む →

カテゴリー: cs.AI, cs.DC, cs.NI, cs.SD, eess.AS | Offload Rethinking by Cloud Assistance for Efficient Environmental Sound Recognition on LPWANs はコメントを受け付けていません