「eess.AS」カテゴリーアーカイブ

Improving Contextual Spelling Correction by External Acoustics Attention and Semantic Aware Data Augmentation

投稿日: 2023年2月23日 作成者: jarxiv

要約 名前、場所などのコンテキスト情報を使用して、エンドツーエンド (E2E) … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Improving Contextual Spelling Correction by External Acoustics Attention and Semantic Aware Data Augmentation はコメントを受け付けていません

Exploring Effective Distillation of Self-Supervised Speech Models for Automatic Speech Recognition

投稿日: 2023年2月23日 作成者: jarxiv

要約 近年、音声処理における自己教師あり学習 (SSL) が大きく進歩しています … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Exploring Effective Distillation of Self-Supervised Speech Models for Automatic Speech Recognition はコメントを受け付けていません

MADI: Inter-domain Matching and Intra-domain Discrimination for Cross-domain Speech Recognition

投稿日: 2023年2月23日 作成者: jarxiv

要約 通常、エンド ツー エンドの自動音声認識 (ASR) は、ドメイン シフト … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | MADI: Inter-domain Matching and Intra-domain Discrimination for Cross-domain Speech Recognition はコメントを受け付けていません

Chord-Conditioned Melody Harmonization with Controllable Harmonicity

投稿日: 2023年2月23日 作成者: jarxiv

要約 旋律のハーモナイゼーションは、ヨハン・セバスティアン・バッハが作曲したコラ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Chord-Conditioned Melody Harmonization with Controllable Harmonicity はコメントを受け付けていません

Cross-modal Audio-visual Co-learning for Text-independent Speaker Verification

投稿日: 2023年2月23日 作成者: jarxiv

要約 視覚的な発話 (つまり、唇の動き) は、音声生成における同時発生と同期によ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS, eess.IV | Cross-modal Audio-visual Co-learning for Text-independent Speaker Verification はコメントを受け付けていません

Lightweight and High-Fidelity End-to-End Text-to-Speech with Multi-Band Generation and Inverse Short-Time Fourier Transform

投稿日: 2023年2月22日 作成者: jarxiv

要約 マルチバンド生成と逆短時間フーリエ変換を使用して、軽量なエンドツーエンドの … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, eess.SP | Lightweight and High-Fidelity End-to-End Text-to-Speech with Multi-Band Generation and Inverse Short-Time Fourier Transform はコメントを受け付けていません

MT4SSL: Boosting Self-Supervised Speech Representation Learning by Integrating Multiple Targets

投稿日: 2023年2月22日 作成者: jarxiv

要約 この論文では、自己訓練目標がどのように得られるかから、自己教師あり音声モデ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | MT4SSL: Boosting Self-Supervised Speech Representation Learning by Integrating Multiple Targets はコメントを受け付けていません

Exploring Wav2vec 2.0 fine-tuning for improved speech emotion recognition

投稿日: 2023年2月22日 作成者: jarxiv

要約 Wav2Vec 2.0 は音声認識 (ASR) 用に提案されていますが、音 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Exploring Wav2vec 2.0 fine-tuning for improved speech emotion recognition はコメントを受け付けていません

Efficient CTC Regularization via Coarse Labels for End-to-End Speech Translation

投稿日: 2023年2月22日 作成者: jarxiv

要約 エンド ツー エンドの音声翻訳の場合、ソース トランスクリプトまたはターゲ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Efficient CTC Regularization via Coarse Labels for End-to-End Speech Translation はコメントを受け付けていません

Interpretable Spectrum Transformation Attacks to Speaker Recognition

投稿日: 2023年2月22日 作成者: jarxiv

要約 話者認識に対する敵対的攻撃の成功は、主にホワイト ボックス シナリオにあり … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Interpretable Spectrum Transformation Attacks to Speaker Recognition はコメントを受け付けていません