「eess.AS」カテゴリーアーカイブ

Long-form music generation with latent diffusion

投稿日: 2024年7月30日 作成者: jarxiv

要約 オーディオベースの音楽生成モデルは最近大きな進歩を遂げていますが、これまで … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Long-form music generation with latent diffusion はコメントを受け付けていません

Leveraging Pre-trained AudioLDM for Sound Generation: A Benchmark Study

投稿日: 2024年7月30日 作成者: jarxiv

要約 ディープ ニューラル ネットワークは最近、サウンド生成において画期的な進歩 … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | Leveraging Pre-trained AudioLDM for Sound Generation: A Benchmark Study はコメントを受け付けていません

Emotion-Driven Melody Harmonization via Melodic Variation and Functional Representation

投稿日: 2024年7月30日 作成者: jarxiv

要約 感情主導型メロディーハーモナイゼーションは、単一のメロディーに対して多様な … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Emotion-Driven Melody Harmonization via Melodic Variation and Functional Representation はコメントを受け付けていません

A Physics-Informed Neural Network-Based Approach for the Spatial Upsampling of Spherical Microphone Arrays

投稿日: 2024年7月29日 作成者: jarxiv

要約 球状マイク アレ​​イは、音場の空間特性を捕捉するのに便利なツールです。 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, eess.SP | A Physics-Informed Neural Network-Based Approach for the Spatial Upsampling of Spherical Microphone Arrays はコメントを受け付けていません

Utilizing TTS Synthesized Data for Efficient Development of Keyword Spotting Model

投稿日: 2024年7月29日 作成者: jarxiv

要約 このペーパーでは、開発コストと時間を最小限に抑えながら、KWS (キーワー … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Utilizing TTS Synthesized Data for Efficient Development of Keyword Spotting Model はコメントを受け付けていません

The formation of perceptual space in early phonetic acquisition: a cross-linguistic modeling approach

投稿日: 2024年7月29日 作成者: jarxiv

要約 この研究では、2 つの重要な側面で以前の研究を進めることにより、学習者が初 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS, I.2.7 | The formation of perceptual space in early phonetic acquisition: a cross-linguistic modeling approach はコメントを受け付けていません

AIR-Bench: Benchmarking Large Audio-Language Models via Generative Comprehension

投稿日: 2024年7月29日 作成者: jarxiv

要約 最近、指示に従う音声言語モデルが、人間と音声のインタラクションとして広く注 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | AIR-Bench: Benchmarking Large Audio-Language Models via Generative Comprehension はコメントを受け付けていません

Multimodal Emotion Recognition using Audio-Video Transformer Fusion with Cross Attention

投稿日: 2024年7月29日 作成者: jarxiv

要約 感情を理解することは、人間のコミュニケーションの基本的な側面です。 オーデ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG, cs.MM, cs.SD, eess.AS, F.2.2 | Multimodal Emotion Recognition using Audio-Video Transformer Fusion with Cross Attention はコメントを受け付けていません

LyricWhiz: Robust Multilingual Zero-shot Lyrics Transcription by Whispering to ChatGPT

投稿日: 2024年7月26日 作成者: jarxiv

要約 LyricWhiz は、ロックやメタルなどの難しいジャンルでも、さまざまな … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | LyricWhiz: Robust Multilingual Zero-shot Lyrics Transcription by Whispering to ChatGPT はコメントを受け付けていません

Innovative Speech-Based Deep Learning Approaches for Parkinson’s Disease Classification: A Systematic Review

投稿日: 2024年7月26日 作成者: jarxiv

要約 パーキンソン病 (PD) は世界で 2 番目に蔓延している神経変性疾患であ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Innovative Speech-Based Deep Learning Approaches for Parkinson’s Disease Classification: A Systematic Review はコメントを受け付けていません