「eess.AS」カテゴリーアーカイブ

MIDI-Draw: Sketching to Control Melody Generation

投稿日: 2023年5月22日 作成者: jarxiv

要約 メロディーの輪郭を介して音符レベルの入力表現を抽象化する、メロディーを描画 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | MIDI-Draw: Sketching to Control Melody Generation はコメントを受け付けていません

VATLM: Visual-Audio-Text Pre-Training with Unified Masked Prediction for Speech Representation Learning

投稿日: 2023年5月22日 作成者: jarxiv

要約 音声は人間が外界と通信するためのシンプルかつ効果的な方法ですが、より現実的 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.SD, eess.AS | VATLM: Visual-Audio-Text Pre-Training with Unified Masked Prediction for Speech Representation Learning はコメントを受け付けていません

What You Hear Is What You See: Audio Quality Metrics From Image Quality Metrics

投稿日: 2023年5月22日 作成者: jarxiv

要約 この研究では、オーディオ信号をスペクトログラムとして表すことにより、オーデ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | What You Hear Is What You See: Audio Quality Metrics From Image Quality Metrics はコメントを受け付けていません

Points2Sound: From mono to binaural audio using 3D point cloud scenes

投稿日: 2023年5月22日 作成者: jarxiv

要約 没入型アプリケーションの場合、仮想環境で人々に有意義な体験をもたらすために … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Points2Sound: From mono to binaural audio using 3D point cloud scenes はコメントを受け付けていません

Any-to-Any Generation via Composable Diffusion

投稿日: 2023年5月22日 作成者: jarxiv

要約 我々は、入力モダリティの任意の組み合わせから、言語、画像、ビデオ、オーディ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG, cs.SD, eess.AS | Any-to-Any Generation via Composable Diffusion はコメントを受け付けていません

Making More of Little Data: Improving Low-Resource Automatic Speech Recognition Using Data Augmentation

投稿日: 2023年5月22日 作成者: jarxiv

要約 自動音声認識 (ASR) システムのパフォーマンスは、近年、特に大量の音声 … 続きを読む →

カテゴリー: cs.CL, eess.AS | Making More of Little Data: Improving Low-Resource Automatic Speech Recognition Using Data Augmentation はコメントを受け付けていません

mdctGAN: Taming transformer-based GAN for speech super-resolution with Modified DCT spectra

投稿日: 2023年5月22日 作成者: jarxiv

要約 音声超解像度 (SSR) は、対応する低解像度 (LR) 音声から高解像度 … 続きを読む →

カテゴリー: cs.AI, eess.AS | mdctGAN: Taming transformer-based GAN for speech super-resolution with Modified DCT spectra はコメントを受け付けていません

Making More of Little Data: Improving Low-Resource Automatic Speech Recognition Using Data Augmentation

投稿日: 2023年5月19日 作成者: jarxiv

要約 自動音声認識 (ASR) システムのパフォーマンスは、近年、特に大量の音声 … 続きを読む →

カテゴリー: cs.CL, eess.AS | Making More of Little Data: Improving Low-Resource Automatic Speech Recognition Using Data Augmentation はコメントを受け付けていません

FunASR: A Fundamental End-to-End Speech Recognition Toolkit

投稿日: 2023年5月19日 作成者: jarxiv

要約 このペーパーでは、学術研究と産業アプリケーションの間のギャップを埋めるため … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | FunASR: A Fundamental End-to-End Speech Recognition Toolkit はコメントを受け付けていません

Self-supervised Fine-tuning for Improved Content Representations by Speaker-invariant Clustering

投稿日: 2023年5月19日 作成者: jarxiv

要約 自己教師あり音声表現モデルはさまざまなタスクで成功していますが、ラベルなし … 続きを読む →

カテゴリー: cs.CL, eess.AS | Self-supervised Fine-tuning for Improved Content Representations by Speaker-invariant Clustering はコメントを受け付けていません