「eess.AS」カテゴリーアーカイブ

Improving the Inclusivity of Dutch Speech Recognition by Fine-tuning Whisper on the JASMIN-CGN Corpus

投稿日: 2025年2月25日 作成者: jarxiv

要約 ジャスミンCGNコーパスの子供、高齢者、非ネイティブオランダ語のスピーチに … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Improving the Inclusivity of Dutch Speech Recognition by Fine-tuning Whisper on the JASMIN-CGN Corpus はコメントを受け付けていません

ML-SUPERB: Multilingual Speech Universal PERformance Benchmark

投稿日: 2025年2月25日 作成者: jarxiv

要約 音声処理Universal Performance Benchmark（S … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | ML-SUPERB: Multilingual Speech Universal PERformance Benchmark はコメントを受け付けていません

Findings of the 2023 ML-SUPERB Challenge: Pre-Training and Evaluation over More Languages and Beyond

投稿日: 2025年2月25日 作成者: jarxiv

要約 2023年の多言語スピーチユニバーサルパフォーマンスベンチマーク（ML-S … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Findings of the 2023 ML-SUPERB Challenge: Pre-Training and Evaluation over More Languages and Beyond はコメントを受け付けていません

Zero-shot Musical Stem Retrieval with Joint-Embedding Predictive Architectures

投稿日: 2025年2月25日 作成者: jarxiv

要約 この論文では、音楽のSTEMの回復のタスクに取り組みます。 ミュージカルミ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Zero-shot Musical Stem Retrieval with Joint-Embedding Predictive Architectures はコメントを受け付けていません

Low-Rank and Sparse Model Merging for Multi-Lingual Speech Recognition and Translation

投稿日: 2025年2月25日 作成者: jarxiv

要約 言語の多様性は、自動音声認識や翻訳など、音声からテキスト（S2T）タスクに … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Low-Rank and Sparse Model Merging for Multi-Lingual Speech Recognition and Translation はコメントを受け付けていません

Vibravox: A Dataset of French Speech Captured with Body-conduction Audio Sensors

投稿日: 2025年2月24日 作成者: jarxiv

要約 Vibravoxは、5つの異なる体伝導オーディオセンサーを使用したオーディ … 続きを読む →

カテゴリー: cs.LG, eess.AS | Vibravox: A Dataset of French Speech Captured with Body-conduction Audio Sensors はコメントを受け付けていません

Reverb: Open-Source ASR and Diarization from Rev

投稿日: 2025年2月24日 作成者: jarxiv

要約 今日、私たちは非営利的な使用のためのコア音声認識とダイアリ化化モデルをオー … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Reverb: Open-Source ASR and Diarization from Rev はコメントを受け付けていません

Everyday Speech in the Indian Subcontinent

投稿日: 2025年2月24日 作成者: jarxiv

要約 インドには1369の言語があり、そのうち22は公式です。 これらの言語を表 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS, I.2.7 | Everyday Speech in the Indian Subcontinent はコメントを受け付けていません

KAD: No More FAD! An Effective and Efficient Evaluation Metric for Audio Generation

投稿日: 2025年2月24日 作成者: jarxiv

要約 生成されたオーディオ信号の評価に広く採用されていますが、FR \ &#82 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | KAD: No More FAD! An Effective and Efficient Evaluation Metric for Audio Generation はコメントを受け付けていません

WavRAG: Audio-Integrated Retrieval Augmented Generation for Spoken Dialogue Models

投稿日: 2025年2月21日 作成者: jarxiv

要約 検索拡張生成（RAG）は、大規模な言語モデル（LLM）に外部知識を統合でき … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | WavRAG: Audio-Integrated Retrieval Augmented Generation for Spoken Dialogue Models はコメントを受け付けていません