「eess.AS」カテゴリーアーカイブ

Simulating Articulatory Trajectories with Phonological Feature Interpolation

投稿日: 2024年8月9日 作成者: jarxiv

要約 知覚-生成ループを含む音声学習の完全な計算モデルに向けた最初のステップとし … 続きを読む →

カテゴリー: cs.CL, eess.AS | Simulating Articulatory Trajectories with Phonological Feature Interpolation はコメントを受け付けていません

Articulatory Configurations across Genders and Periods in French Radio and TV archives

投稿日: 2024年8月9日 作成者: jarxiv

要約 この論文では、音響パラメータから調音パラメータへの反転を使用して、性別およ … 続きを読む →

カテゴリー: cs.CL, cs.CY, cs.SD, eess.AS | Articulatory Configurations across Genders and Periods in French Radio and TV archives はコメントを受け付けていません

BAST: Binaural Audio Spectrogram Transformer for Binaural Sound Localization

投稿日: 2024年8月8日 作成者: jarxiv

要約 残響環境における正確な音の定位は、人間の聴覚にとって不可欠です。 最近、畳 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, I.2 | BAST: Binaural Audio Spectrogram Transformer for Binaural Sound Localization はコメントを受け付けていません

Speech-MASSIVE: A Multilingual Speech Dataset for SLU and Beyond

投稿日: 2024年8月8日 作成者: jarxiv

要約 我々は、MASSIVE テキスト コーパスの一部の音声対応物を構成する多言 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Speech-MASSIVE: A Multilingual Speech Dataset for SLU and Beyond はコメントを受け付けていません

EchoTrack: Auditory Referring Multi-Object Tracking for Autonomous Driving

投稿日: 2024年8月7日 作成者: jarxiv

要約 本稿では、音声表現に基づいてビデオシーケンス内の特定のオブジェクトを動的に … 続きを読む →

カテゴリー: cs.CV, cs.RO, eess.AS, eess.IV | EchoTrack: Auditory Referring Multi-Object Tracking for Autonomous Driving はコメントを受け付けていません

MMTrail: A Multimodal Trailer Video Dataset with Language and Music Descriptions

投稿日: 2024年8月7日 作成者: jarxiv

要約 大規模なマルチモダリティ データセットは、大規模なビデオ言語モデルの成功を … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | MMTrail: A Multimodal Trailer Video Dataset with Language and Music Descriptions はコメントを受け付けていません

Stem-JEPA: A Joint-Embedding Predictive Architecture for Musical Stem Compatibility Estimation

投稿日: 2024年8月6日 作成者: jarxiv

要約 この論文では、特定の音楽コンテキストとよく調和する単一の楽器の音声録音を特 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Stem-JEPA: A Joint-Embedding Predictive Architecture for Musical Stem Compatibility Estimation はコメントを受け付けていません

An approach to optimize inference of the DIART speaker diarization pipeline

投稿日: 2024年8月6日 作成者: jarxiv

要約 話者ダイアライゼーションは、音声ファイルについて「誰がいつ話したか」という … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | An approach to optimize inference of the DIART speaker diarization pipeline はコメントを受け付けていません

Clustering and Mining Accented Speech for Inclusive and Fair Speech Recognition

投稿日: 2024年8月6日 作成者: jarxiv

要約 最新の自動音声認識 (ASR) システムは通常、数万時間以上の音声データに … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Clustering and Mining Accented Speech for Inclusive and Fair Speech Recognition はコメントを受け付けていません

Language Model Can Listen While Speaking

投稿日: 2024年8月6日 作成者: jarxiv

要約 対話は、人間とコンピューターの対話 (HCI) の最も自然な方法として機能 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.HC, cs.SD, eess.AS | Language Model Can Listen While Speaking はコメントを受け付けていません