「eess.AS」カテゴリーアーカイブ

High-Fidelity Simultaneous Speech-To-Speech Translation

投稿日: 2025年2月6日 作成者: jarxiv

要約 同時音声翻訳のためのデコーダーのみのモデルであるHibikiを紹介します。 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | High-Fidelity Simultaneous Speech-To-Speech Translation はコメントを受け付けていません

Sound Judgment: Properties of Consequential Sounds Affecting Human-Perception of Robots

投稿日: 2025年2月5日 作成者: jarxiv

要約 ロボットを共有環境で持続的に使用するためには、ロボットに対する人間の肯定的 … 続きを読む →

カテゴリー: cs.HC, cs.RO, cs.SD, eess.AS | Sound Judgment: Properties of Consequential Sounds Affecting Human-Perception of Robots はコメントを受け付けていません

Potential Applications of Artificial Intelligence for Cross-language Intelligibility Assessment of Dysarthric Speech

投稿日: 2025年2月5日 作成者: jarxiv

要約 目的：本解説では、構音障害音声の言語横断的な明瞭度評価を進めるために、人工 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Potential Applications of Artificial Intelligence for Cross-language Intelligibility Assessment of Dysarthric Speech はコメントを受け付けていません

StyleSinger: Style Transfer for Out-of-Domain Singing Voice Synthesis

投稿日: 2025年2月5日 作成者: jarxiv

要約 アウトオブドメイン(OOD)歌声合成(SVS)のためのスタイルトランスファ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | StyleSinger: Style Transfer for Out-of-Domain Singing Voice Synthesis はコメントを受け付けていません

TCSinger: Zero-Shot Singing Voice Synthesis with Style Transfer and Multi-Level Style Control

投稿日: 2025年2月5日 作成者: jarxiv

要約 スタイル転送とスタイル制御を伴うゼロショット歌声合成（SVS）は、音声とテ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | TCSinger: Zero-Shot Singing Voice Synthesis with Style Transfer and Multi-Level Style Control はコメントを受け付けていません

GTSinger: A Global Multi-Technique Singing Corpus with Realistic Music Scores for All Singing Tasks

投稿日: 2025年2月5日 作成者: jarxiv

要約 高品質でマルチタスクな歌唱データセットの不足は、多様な制御可能でパーソナラ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | GTSinger: A Global Multi-Technique Singing Corpus with Realistic Music Scores for All Singing Tasks はコメントを受け付けていません

DyPCL: Dynamic Phoneme-level Contrastive Learning for Dysarthric Speech Recognition

投稿日: 2025年2月4日 作成者: jarxiv

要約 構音障害音声認識では、構音障害の重症度や正常音声との外在的な差異が本質的に … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | DyPCL: Dynamic Phoneme-level Contrastive Learning for Dysarthric Speech Recognition はコメントを受け付けていません

BirdSet: A Large-Scale Dataset for Audio Classification in Avian Bioacoustics

投稿日: 2025年2月4日 作成者: jarxiv

要約 ディープラーニング(DL)はオーディオ分類を大きく進歩させたが、この分野は … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | BirdSet: A Large-Scale Dataset for Audio Classification in Avian Bioacoustics はコメントを受け付けていません

Musical ethnocentrism in Large Language Models

投稿日: 2025年2月4日 作成者: jarxiv

要約 大規模言語モデル（LLM）は、学習データの偏りを反映し、ひいてはこの学習デ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Musical ethnocentrism in Large Language Models はコメントを受け付けていません

Wave-U-Mamba: An End-To-End Framework For High-Quality And Efficient Speech Super Resolution

投稿日: 2025年2月4日 作成者: jarxiv

要約 音声超解像（Speech Super-Resolution:SSR）は、低 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Wave-U-Mamba: An End-To-End Framework For High-Quality And Efficient Speech Super Resolution はコメントを受け付けていません