「eess.AS」カテゴリーアーカイブ

SELMA: A Speech-Enabled Language Model for Virtual Assistant Interactions

投稿日: 2025年2月3日 作成者: jarxiv

要約 この作業では、オーディオとテキストを大規模な言語モデル（LLM）に統合する … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | SELMA: A Speech-Enabled Language Model for Virtual Assistant Interactions はコメントを受け付けていません

Language Bias in Self-Supervised Learning For Automatic Speech Recognition

投稿日: 2025年2月3日 作成者: jarxiv

要約 自己学習学習（SSL）は、データの高価なラベル付けを必要とせずに、大きなデ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, eess.AS, eess.SP | Language Bias in Self-Supervised Learning For Automatic Speech Recognition はコメントを受け付けていません

Resampling Filter Design for Multirate Neural Audio Effect Processing

投稿日: 2025年1月31日 作成者: jarxiv

要約 ニューラルネットワークは、特にギターアンプと歪みペダルのオーディオエフェク … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, eess.SP | Resampling Filter Design for Multirate Neural Audio Effect Processing はコメントを受け付けていません

Self-Supervised Frameworks for Speaker Verification via Bootstrapped Positive Sampling

投稿日: 2025年1月30日 作成者: jarxiv

要約 自己学習学習（SSL）の最近の開発は、スピーカー検証（SV）の重要な可能性 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Self-Supervised Frameworks for Speaker Verification via Bootstrapped Positive Sampling はコメントを受け付けていません

acoupi: An Open-Source Python Framework for Deploying Bioacoustic AI Models on Edge Devices

投稿日: 2025年1月30日 作成者: jarxiv

要約 1.人工知能（AI）と組み合わせたパッシブ音響モニタリング（PAM）は、生 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, H.5.5 | acoupi: An Open-Source Python Framework for Deploying Bioacoustic AI Models on Edge Devices はコメントを受け付けていません

Fast Word Error Rate Estimation Using Self-Supervised Representations for Speech and Text

投稿日: 2025年1月30日 作成者: jarxiv

要約 単語エラー率（WER）推定は、グラウンドトゥルースラベルを必要とせずに自動 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Fast Word Error Rate Estimation Using Self-Supervised Representations for Speech and Text はコメントを受け付けていません

Cross-lingual Embedding Clustering for Hierarchical Softmax in Low-Resource Multilingual Speech Recognition

投稿日: 2025年1月30日 作成者: jarxiv

要約 特に低リソース言語では、多言語性能を高める自動音声認識（ASR）のデコード … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Cross-lingual Embedding Clustering for Hierarchical Softmax in Low-Resource Multilingual Speech Recognition はコメントを受け付けていません

LHGNN: Local-Higher Order Graph Neural Networks For Audio Classification and Tagging

投稿日: 2025年1月30日 作成者: jarxiv

要約 トランスフォーマーは、オーディオ処理タスクに新しいベンチマークを設定し、オ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | LHGNN: Local-Higher Order Graph Neural Networks For Audio Classification and Tagging はコメントを受け付けていません

VoicePrompter: Robust Zero-Shot Voice Conversion with Voice Prompt and Conditional Flow Matching

投稿日: 2025年1月30日 作成者: jarxiv

要約 最近の音声変換（VC）システムでの顕著な進歩にもかかわらず、ゼロショットシ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS, eess.SP | VoicePrompter: Robust Zero-Shot Voice Conversion with Voice Prompt and Conditional Flow Matching はコメントを受け付けていません

MIDI-GPT: A Controllable Generative Model for Computer-Assisted Multitrack Music Composition

投稿日: 2025年1月29日 作成者: jarxiv

要約 コンピューター支援の音楽構成ワークフロー向けに設計された変圧器アーキテクチ … 続きを読む →

カテゴリー: cs.LG, cs.MM, cs.SD, eess.AS | MIDI-GPT: A Controllable Generative Model for Computer-Assisted Multitrack Music Composition はコメントを受け付けていません