「eess.AS」カテゴリーアーカイブ

Utilizing TTS Synthesized Data for Efficient Development of Keyword Spotting Model

投稿日: 2024年7月29日 作成者: jarxiv

要約 このペーパーでは、開発コストと時間を最小限に抑えながら、KWS (キーワー … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Utilizing TTS Synthesized Data for Efficient Development of Keyword Spotting Model はコメントを受け付けていません

The formation of perceptual space in early phonetic acquisition: a cross-linguistic modeling approach

投稿日: 2024年7月29日 作成者: jarxiv

要約 この研究では、2 つの重要な側面で以前の研究を進めることにより、学習者が初 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS, I.2.7 | The formation of perceptual space in early phonetic acquisition: a cross-linguistic modeling approach はコメントを受け付けていません

AIR-Bench: Benchmarking Large Audio-Language Models via Generative Comprehension

投稿日: 2024年7月29日 作成者: jarxiv

要約 最近、指示に従う音声言語モデルが、人間と音声のインタラクションとして広く注 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | AIR-Bench: Benchmarking Large Audio-Language Models via Generative Comprehension はコメントを受け付けていません

Multimodal Emotion Recognition using Audio-Video Transformer Fusion with Cross Attention

投稿日: 2024年7月29日 作成者: jarxiv

要約 感情を理解することは、人間のコミュニケーションの基本的な側面です。 オーデ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG, cs.MM, cs.SD, eess.AS, F.2.2 | Multimodal Emotion Recognition using Audio-Video Transformer Fusion with Cross Attention はコメントを受け付けていません

LyricWhiz: Robust Multilingual Zero-shot Lyrics Transcription by Whispering to ChatGPT

投稿日: 2024年7月26日 作成者: jarxiv

要約 LyricWhiz は、ロックやメタルなどの難しいジャンルでも、さまざまな … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | LyricWhiz: Robust Multilingual Zero-shot Lyrics Transcription by Whispering to ChatGPT はコメントを受け付けていません

Innovative Speech-Based Deep Learning Approaches for Parkinson’s Disease Classification: A Systematic Review

投稿日: 2024年7月26日 作成者: jarxiv

要約 パーキンソン病 (PD) は世界で 2 番目に蔓延している神経変性疾患であ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Innovative Speech-Based Deep Learning Approaches for Parkinson’s Disease Classification: A Systematic Review はコメントを受け付けていません

On the Effect of Purely Synthetic Training Data for Different Automatic Speech Recognition Architectures

投稿日: 2024年7月26日 作成者: jarxiv

要約 この研究では、自動音声認識 (ASR) をトレーニングするための合成データ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | On the Effect of Purely Synthetic Training Data for Different Automatic Speech Recognition Architectures はコメントを受け付けていません

I can listen but cannot read: An evaluation of two-tower multimodal systems for instrument recognition

投稿日: 2024年7月26日 作成者: jarxiv

要約 音楽 2 タワー マルチモーダル システムは、オーディオとテキストのモダリ … 続きを読む →

カテゴリー: cs.CL, cs.IR, cs.LG, cs.SD, eess.AS | I can listen but cannot read: An evaluation of two-tower multimodal systems for instrument recognition はコメントを受け付けていません

Action2Sound: Ambient-Aware Generation of Action Sounds from Egocentric Videos

投稿日: 2024年7月26日 作成者: jarxiv

要約 人間の動作に合わせてリアルなオーディオを生成することは、映画や仮想現実ゲー … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.SD, eess.AS | Action2Sound: Ambient-Aware Generation of Action Sounds from Egocentric Videos はコメントを受け付けていません

Long-Term, Store-Front Robotics: Interactive Music for Robotic Arm, Caxixi and Frame Drums

投稿日: 2024年7月25日 作成者: jarxiv

要約 この論文では、特に UR3 ロボット アーム、特注フレーム ドラム、および … 続きを読む →

カテゴリー: cs.RO, cs.SD, eess.AS | Long-Term, Store-Front Robotics: Interactive Music for Robotic Arm, Caxixi and Frame Drums はコメントを受け付けていません