「eess.AS」カテゴリーアーカイブ

Hybrid Transducer and Attention based Encoder-Decoder Modeling for Speech-to-Text Tasks

投稿日: 2023年5月8日 作成者: jarxiv

要約 タイトル：音声からテキストへのタスクのためのハイブリッドトランスデューサー … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Hybrid Transducer and Attention based Encoder-Decoder Modeling for Speech-to-Text Tasks はコメントを受け付けていません

MedleyVox: An Evaluation Dataset for Multiple Singing Voices Separation

投稿日: 2023年5月5日 作成者: jarxiv

要約 タイトル：MedleyVox：複数の歌声分離の評価データセット 要約： & … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | MedleyVox: An Evaluation Dataset for Multiple Singing Voices Separation はコメントを受け付けていません

The language of sounds unheard: Exploring musical timbre semantics of large language models

投稿日: 2023年5月5日 作成者: jarxiv

要約 タイトル: 聞こえない音の言語：大規模言語モデルの音楽音色セマンティックス … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | The language of sounds unheard: Exploring musical timbre semantics of large language models はコメントを受け付けていません

End-to-end spoken language understanding using joint CTC loss and self-supervised, pretrained acoustic encoders

投稿日: 2023年5月5日 作成者: jarxiv

要約 タイトル：Joint CTC lossと自己教師あり事前学習音声エンコーダ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | End-to-end spoken language understanding using joint CTC loss and self-supervised, pretrained acoustic encoders はコメントを受け付けていません

NaturalSpeech 2: Latent Diffusion Models are Natural and Zero-Shot Speech and Singing Synthesizers

投稿日: 2023年5月5日 作成者: jarxiv

要約 タイトル：NaturalSpeech 2：潜在的拡散モデルは自然で、ゼロシ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | NaturalSpeech 2: Latent Diffusion Models are Natural and Zero-Shot Speech and Singing Synthesizers はコメントを受け付けていません

Unsupervised Improvement of Audio-Text Cross-Modal Representations

投稿日: 2023年5月4日 作成者: jarxiv

要約 タイトル：オーディオ-テキストのクロスモーダル表現の自己学習改善 要約： … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Unsupervised Improvement of Audio-Text Cross-Modal Representations はコメントを受け付けていません

Gradient Remedy for Multi-Task Learning in End-to-End Noise-Robust Speech Recognition

投稿日: 2023年5月4日 作成者: jarxiv

要約 タイトル：End-to-Endノイズロバスト音声認識におけるマルチタスク学 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Gradient Remedy for Multi-Task Learning in End-to-End Noise-Robust Speech Recognition はコメントを受け付けていません

What do End-to-End Speech Models Learn about Speaker, Language and Channel Information? A Layer-wise and Neuron-level Analysis

投稿日: 2023年5月4日 作成者: jarxiv

要約 タイトル：エンドツーエンド音声モデルは話者、言語、チャネル情報について何を … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | What do End-to-End Speech Models Learn about Speaker, Language and Channel Information? A Layer-wise and Neuron-level Analysis はコメントを受け付けていません

Egocentric Audio-Visual Noise Suppression

投稿日: 2023年5月4日 作成者: jarxiv

要約 【タイトル】エゴセントリックなオーディオ・ビジュアルノイズサプレッション … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | Egocentric Audio-Visual Noise Suppression はコメントを受け付けていません

Analysing the Impact of Audio Quality on the Use of Naturalistic Long-Form Recordings for Infant-Directed Speech Research

投稿日: 2023年5月4日 作成者: jarxiv

要約 タイトル: 音質の影響が自然なインファント指向性音声研究における長時間録音 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Analysing the Impact of Audio Quality on the Use of Naturalistic Long-Form Recordings for Infant-Directed Speech Research はコメントを受け付けていません