「eess.AS」カテゴリーアーカイブ

Towards continually learning new languages

投稿日: 2023年3月2日 作成者: jarxiv

要約 ニューラル ネットワークを使用した多言語音声認識は、多くの場合、トレーニン … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Towards continually learning new languages はコメントを受け付けていません

N-best T5: Robust ASR Error Correction using Multiple Input Hypotheses and Constrained Decoding Space

投稿日: 2023年3月2日 作成者: jarxiv

要約 エラー訂正モデルは、自動音声認識 (ASR) 後処理の重要な部分を形成し、 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | N-best T5: Robust ASR Error Correction using Multiple Input Hypotheses and Constrained Decoding Space はコメントを受け付けていません

MuAViC: A Multilingual Audio-Visual Corpus for Robust Speech Recognition and Robust Speech-to-Text Translation

投稿日: 2023年3月2日 作成者: jarxiv

要約 MuAViC は、9 つ​​の言語で 1200 時間のオーディオビジュアル … 続きを読む →

カテゴリー: cs.CL, eess.AS | MuAViC: A Multilingual Audio-Visual Corpus for Robust Speech Recognition and Robust Speech-to-Text Translation はコメントを受け付けていません

Improving Noisy Student Training on Non-target Domain Data for Automatic Speech Recognition

投稿日: 2023年3月2日 作成者: jarxiv

要約 Noisy Student Training (NST) は最近、自動音声 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Improving Noisy Student Training on Non-target Domain Data for Automatic Speech Recognition はコメントを受け付けていません

SpeechPrompt v2: Prompt Tuning for Speech Classification Tasks

投稿日: 2023年3月2日 作成者: jarxiv

要約 プロンプト チューニングは、少数のパラメーター セットを調整して事前トレー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | SpeechPrompt v2: Prompt Tuning for Speech Classification Tasks はコメントを受け付けていません

On the Audio-visual Synchronization for Lip-to-Speech Synthesis

投稿日: 2023年3月2日 作成者: jarxiv

要約 ほとんどのリップ トゥ スピーチ (LTS) 合成モデルは、データセット内 … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | On the Audio-visual Synchronization for Lip-to-Speech Synthesis はコメントを受け付けていません

Cross-modal Face- and Voice-style Transfer

投稿日: 2023年3月2日 作成者: jarxiv

要約 画像から画像への変換と音声変換により、画像内のポーズや音声内の言語コンテン … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Cross-modal Face- and Voice-style Transfer はコメントを受け付けていません

READ Avatars: Realistic Emotion-controllable Audio Driven Avatars

投稿日: 2023年3月2日 作成者: jarxiv

要約 READ Avatars は、感情を直接かつきめ細かく制御するオーディオ入 … 続きを読む →

カテゴリー: cs.CV, cs.GR, cs.SD, eess.AS | READ Avatars: Realistic Emotion-controllable Audio Driven Avatars はコメントを受け付けていません

Efficient Large-scale Audio Tagging via Transformer-to-CNN Knowledge Distillation

投稿日: 2023年3月1日 作成者: jarxiv

要約 オーディオ スペクトログラム トランスフォーマー モデルは、オーディオ タ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Efficient Large-scale Audio Tagging via Transformer-to-CNN Knowledge Distillation はコメントを受け付けていません

Reducing the Prior Mismatch of Stochastic Differential Equations for Diffusion-based Speech Enhancement

投稿日: 2023年3月1日 作成者: jarxiv

要約 最近、スコアベースの生成モデルが音声強調のタスクにうまく採用されています。 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Reducing the Prior Mismatch of Stochastic Differential Equations for Diffusion-based Speech Enhancement はコメントを受け付けていません