-
最近の投稿
- Lightning UQ Box: A Comprehensive Framework for Uncertainty Quantification in Deep Learning
- Fine-Grained Expressive Power of Weisfeiler-Leman: A Homomorphism Counting Perspective
- Hybrid Feedback for Three-dimensional Convex Obstacle Avoidance (Extended version)
- Self-Deployable, Adaptive Soft Robots Based on Contracting-Cord Particle Jamming
- DecTrain: Deciding When to Train a DNN Online
-
最近のコメント
表示できるコメントはありません。 cs.AI (27713) cs.CL (20937) cs.CR (2171) cs.CV (34430) cs.LG (32450) cs.RO (15866) cs.SY (2464) eess.IV (4226) eess.SY (2458) stat.ML (4346)
「eess.AS」カテゴリーアーカイブ
Linear-Complexity Self-Supervised Learning for Speech Processing
要約 自己教師あり学習 (SSL) モデルは通常、数十のハイエンド GPU を使 … 続きを読む
Enhancing Out-of-Vocabulary Performance of Indian TTS Systems for Practical Applications through Low-Effort Data Strategies
要約 ヒンディー語やタミル語などのリソースが少ない言語の公開されている TTS … 続きを読む
Pronunciation Assessment with Multi-modal Large Language Models
要約 大規模言語モデル (LLM) は、強力な会話能力で知られ、教育分野、特に言 … 続きを読む
Spontaneous Style Text-to-Speech Synthesis with Controllable Spontaneous Behaviors Based on Language Models
要約 人間のような音声を生成することを目的とした自発的なスタイルの音声合成は、高 … 続きを読む
Open-Source Conversational AI with SpeechBrain 1.0
要約 SpeechBrain は、PyTorch に基づくオープンソースの会話 … 続きを読む
Aligning Sight and Sound: Advanced Sound Source Localization Through Audio-Visual Alignment
要約 学習ベースの音源定位に関する最近の研究は、主に定位パフォーマンスの観点に焦 … 続きを読む
Muting Whisper: A Universal Acoustic Adversarial Attack on Speech Foundation Models
要約 Whisper のような大規模な音声基盤モデルの最近の開発により、多くの自 … 続きを読む
TTSDS — Text-to-Speech Distribution Score
要約 最近公開された Text-to-Speech (TTS) システムの多くは … 続きを読む
GraphMuse: A Library for Symbolic Music Graph Processing
要約 グラフ ニューラル ネットワーク (GNN) は最近、記号音楽タスクで注目 … 続きを読む