「eess.AS」カテゴリーアーカイブ

VoxEval: Benchmarking the Knowledge Understanding Capabilities of End-to-End Spoken Language Models

投稿日: 2025年1月10日 作成者: jarxiv

要約 音声ベースの対話モデルの開発に対する需要が高まる中、エンドツーエンドの音声 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | VoxEval: Benchmarking the Knowledge Understanding Capabilities of End-to-End Spoken Language Models はコメントを受け付けていません

MultiMed: Multilingual Medical Speech Recognition via Attention Encoder Decoder

投稿日: 2025年1月10日 作成者: jarxiv

要約 医療分野における多言語自動音声認識 (ASR) は、音声翻訳、音声言語理解 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | MultiMed: Multilingual Medical Speech Recognition via Attention Encoder Decoder はコメントを受け付けていません

AccentBox: Towards High-Fidelity Zero-Shot Accent Generation

投稿日: 2025年1月10日 作成者: jarxiv

要約 最近の Zero-Shot Text-to-Speech (ZS-TTS) … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | AccentBox: Towards High-Fidelity Zero-Shot Accent Generation はコメントを受け付けていません

Optimizing Estonian TV Subtitles with Semi-supervised Learning and LLMs

投稿日: 2025年1月10日 作成者: jarxiv

要約 この論文では、エストニアの TV コンテンツ向けに高品質の同じ言語の字幕を … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, eess.AS | Optimizing Estonian TV Subtitles with Semi-supervised Learning and LLMs はコメントを受け付けていません

Multi-class Decoding of Attended Speaker Direction Using Electroencephalogram and Audio Spatial Spectrum

投稿日: 2025年1月10日 作成者: jarxiv

要約 聴取者の脳波 (EEG) 信号から聴取者の焦点の指向性を解読することは、聴 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Multi-class Decoding of Attended Speaker Direction Using Electroencephalogram and Audio Spatial Spectrum はコメントを受け付けていません

Seeing Sound: Assembling Sounds from Visuals for Audio-to-Image Generation

投稿日: 2025年1月10日 作成者: jarxiv

要約 音声から画像への生成モデルをトレーニングするには、意味的に整合した多様な音 … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Seeing Sound: Assembling Sounds from Visuals for Audio-to-Image Generation はコメントを受け付けていません

Channel-Aware Domain-Adaptive Generative Adversarial Network for Robust Speech Recognition

投稿日: 2025年1月9日 作成者: jarxiv

要約 事前トレーニングされた自動音声認識 (ASR) システムは、一致したドメイ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Channel-Aware Domain-Adaptive Generative Adversarial Network for Robust Speech Recognition はコメントを受け付けていません

Decoding EEG Speech Perception with Transformers and VAE-based Data Augmentation

投稿日: 2025年1月9日 作成者: jarxiv

要約 脳波検査 (EEG) などの非侵襲的な脳信号から音声を解読することは、音声 … 続きを読む →

カテゴリー: 68T07, 92C55, cs.CL, cs.HC, cs.LG, cs.SD, eess.AS, H.5.2 | Decoding EEG Speech Perception with Transformers and VAE-based Data Augmentation はコメントを受け付けていません

Improving Zero-Shot Chinese-English Code-Switching ASR with kNN-CTC and Gated Monolingual Datastores

投稿日: 2025年1月9日 作成者: jarxiv

要約 kNN-CTC モデルは、単言語自動音声認識 (ASR) に有効であること … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Improving Zero-Shot Chinese-English Code-Switching ASR with kNN-CTC and Gated Monolingual Datastores はコメントを受け付けていません

Samba-ASR: State-Of-The-Art Speech Recognition Leveraging Structured State-Space Models

投稿日: 2025年1月9日 作成者: jarxiv

要約 私たちは、状態空間モデル (SSM) の基礎に基づいて構築された、新しい … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Samba-ASR: State-Of-The-Art Speech Recognition Leveraging Structured State-Space Models はコメントを受け付けていません