「eess.AS」カテゴリーアーカイブ

mHuBERT-147: A Compact Multilingual HuBERT Model

投稿日: 2024年8月26日 作成者: jarxiv

要約 我々は、90,000 時間のクリーンなオープンライセンス データでトレーニ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | mHuBERT-147: A Compact Multilingual HuBERT Model はコメントを受け付けていません

Which Prosodic Features Matter Most for Pragmatics?

投稿日: 2024年8月26日 作成者: jarxiv

要約 私たちは、韻律機能を伝える際にどの韻律特徴が最も重要であるかを調査します。 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Which Prosodic Features Matter Most for Pragmatics? はコメントを受け付けていません

SpeechPrompt: Prompting Speech Language Models for Speech Processing Tasks

投稿日: 2024年8月26日 作成者: jarxiv

要約 プロンプトは、事前トレーニングされた言語モデル (LM) を利用するための … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, eess.AS | SpeechPrompt: Prompting Speech Language Models for Speech Processing Tasks はコメントを受け付けていません

Advancing Voice Cloning for Nepali: Leveraging Transfer Learning in a Low-Resource Language

投稿日: 2024年8月26日 作成者: jarxiv

要約 音声クローン作成は、パーソナライズされた音声インターフェイスの顕著な機能で … 続きを読む →

カテゴリー: 91F20, cs.AI, cs.LG, cs.SD, eess.AS, I.2.7 | Advancing Voice Cloning for Nepali: Leveraging Transfer Learning in a Low-Resource Language はコメントを受け付けていません

Dynamic Gated Recurrent Neural Network for Compute-efficient Speech Enhancement

投稿日: 2024年8月23日 作成者: jarxiv

要約 このペーパーでは、リソースに制約のあるハードウェア プラットフォーム上で実 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Dynamic Gated Recurrent Neural Network for Compute-efficient Speech Enhancement はコメントを受け付けていません

Self-Learning for Personalized Keyword Spotting on Ultra-Low-Power Audio Sensors

投稿日: 2024年8月23日 作成者: jarxiv

要約 この論文では、超低電力スマート オーディオ センサーへの展開後に、パーソナ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Self-Learning for Personalized Keyword Spotting on Ultra-Low-Power Audio Sensors はコメントを受け付けていません

Modeling Time-Variant Responses of Optical Compressors with Selective State Space Models

投稿日: 2024年8月23日 作成者: jarxiv

要約 この論文では、選択的状態空間モデルを備えたディープ ニューラル ネットワー … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Modeling Time-Variant Responses of Optical Compressors with Selective State Space Models はコメントを受け付けていません

Estimated Audio-Caption Correspondences Improve Language-Based Audio Retrieval

投稿日: 2024年8月22日 作成者: jarxiv

要約 デュアル エンコーダ ベースの音声検索システムは、一般に、一致する音声と不 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Estimated Audio-Caption Correspondences Improve Language-Based Audio Retrieval はコメントを受け付けていません

DisMix: Disentangling Mixtures of Musical Instruments for Source-level Pitch and Timbre Manipulation

投稿日: 2024年8月21日 作成者: jarxiv

要約 ピッチと音色のもつれを解くことに関する既存の研究は、複数の楽器が提示される … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | DisMix: Disentangling Mixtures of Musical Instruments for Source-level Pitch and Timbre Manipulation はコメントを受け付けていません

Audio Match Cutting: Finding and Creating Matching Audio Transitions in Movies and Videos

投稿日: 2024年8月21日 作成者: jarxiv

要約 「マッチカット」は、同様の構成を持つ 2 つのショットが一方からもう一方に … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Audio Match Cutting: Finding and Creating Matching Audio Transitions in Movies and Videos はコメントを受け付けていません