eess.AS」カテゴリーアーカイブ

Detecting the Severity of Major Depressive Disorder from Speech: A Novel HARD-Training Methodology

要約 大うつ病性障害 (MDD) は、高い社会経済的コストを伴う世界的に一般的な … 続きを読む

カテゴリー: cs.LG, cs.SD, eess.AS, q-bio.QM | Detecting the Severity of Major Depressive Disorder from Speech: A Novel HARD-Training Methodology はコメントを受け付けていません

ASR and Emotional Speech: A Word-Level Investigation of the Mutual Impact of Speech and Emotion Recognition

要約 音声感情認識 (SER) では、音声信号固有の変動性に対処するために、テキ … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | ASR and Emotional Speech: A Word-Level Investigation of the Mutual Impact of Speech and Emotion Recognition はコメントを受け付けていません

VioLA: Unified Codec Language Models for Speech Recognition, Synthesis, and Translation

要約 最近の研究では、さまざまなモダリティのさまざまなタスクにわたって、モデル … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | VioLA: Unified Codec Language Models for Speech Recognition, Synthesis, and Translation はコメントを受け付けていません

End-to-End Simultaneous Speech Translation with Differentiable Segmentation

要約 エンドツーエンド同時音声翻訳 (SimulST) は、ストリーミング音声入 … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | End-to-End Simultaneous Speech Translation with Differentiable Segmentation はコメントを受け付けていません

Lattice-Free Sequence Discriminative Training for Phoneme-Based Neural Transducers

要約 最近、RNN トランスデューサーはさまざまな自動音声認識タスクで目覚ましい … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Lattice-Free Sequence Discriminative Training for Phoneme-Based Neural Transducers はコメントを受け付けていません

Unified Modeling of Multi-Talker Overlapped Speech Recognition and Diarization with a Sidecar Separator

要約 複数の話者の重複した音声は、音声認識と日記作成に重大な課題をもたらします。 … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Unified Modeling of Multi-Talker Overlapped Speech Recognition and Diarization with a Sidecar Separator はコメントを受け付けていません

LMs with a Voice: Spoken Language Modeling beyond Speech Tokens

要約 我々は、事前に訓練された言語モデル (LM) を適応させて音声継続を実行す … 続きを読む

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | LMs with a Voice: Spoken Language Modeling beyond Speech Tokens はコメントを受け付けていません

AlignSTS: Speech-to-Singing Conversion via Cross-Modal Alignment

要約 STS (Speech-to-Singing) 音声変換タスクは、音声録音 … 続きを読む

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | AlignSTS: Speech-to-Singing Conversion via Cross-Modal Alignment はコメントを受け付けていません

Vistaar: Diverse Benchmarks and Training Sets for Indian Language ASR

要約 新しい LLM ベースのユースケースを世界中の人々が利用できるようにするに … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | Vistaar: Diverse Benchmarks and Training Sets for Indian Language ASR はコメントを受け付けていません

AV-TranSpeech: Audio-Visual Robust Speech-to-Speech Translation

要約 音声直接翻訳 (S2ST) は、音声をある言語から別の言語に変換することを … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | AV-TranSpeech: Audio-Visual Robust Speech-to-Speech Translation はコメントを受け付けていません