「eess.AS」カテゴリーアーカイブ

This Paper Had the Smartest Reviewers — Flattery Detection Utilising an Audio-Textual Transformer-Based Approach

投稿日: 2024年6月26日 作成者: jarxiv

要約 お世辞は人間のコミュニケーションの重要な側面であり、戦略的な褒め言葉や賞賛 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | This Paper Had the Smartest Reviewers — Flattery Detection Utilising an Audio-Textual Transformer-Based Approach はコメントを受け付けていません

Discrete Multimodal Transformers with a Pretrained Large Language Model for Mixed-Supervision Speech Processing

投稿日: 2024年6月26日 作成者: jarxiv

要約 離散音声トークン化に関する最近の研究により、音声認識、テキストから音声への … 続きを読む →

カテゴリー: cs.CL, cs.LG, eess.AS | Discrete Multimodal Transformers with a Pretrained Large Language Model for Mixed-Supervision Speech Processing はコメントを受け付けていません

Soundify: Matching Sound Effects to Video

投稿日: 2024年6月26日 作成者: jarxiv

要約 ビデオ編集の分野では、サウンドはオブジェクトに個性を加え、視聴者を空間に没 … 続きを読む →

カテゴリー: cs.CV, cs.HC, cs.MM, cs.SD, eess.AS | Soundify: Matching Sound Effects to Video はコメントを受け付けていません

Towards Zero-Shot Text-To-Speech for Arabic Dialects

投稿日: 2024年6月26日 作成者: jarxiv

要約 ゼロショット マルチスピーカー テキスト読み上げ (ZS-TTS) システ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Towards Zero-Shot Text-To-Speech for Arabic Dialects はコメントを受け付けていません

Children’s Speech Recognition through Discrete Token Enhancement

投稿日: 2024年6月25日 作成者: jarxiv

要約 子供の音声認識は、主に公的に利用可能なデータが不足しているため、リソースが … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Children’s Speech Recognition through Discrete Token Enhancement はコメントを受け付けていません

Towards Zero-Shot Text-To-Speech for Arabic Dialects

投稿日: 2024年6月25日 作成者: jarxiv

要約 ゼロショット マルチスピーカー テキスト読み上げ (ZS-TTS) システ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Towards Zero-Shot Text-To-Speech for Arabic Dialects はコメントを受け付けていません

Speech foundation models in healthcare: Effect of layer selection on pathological speech feature prediction

投稿日: 2024年6月24日 作成者: jarxiv

要約 音声から臨床情報を正確に抽出することは、多くの神経学的症状の診断と治療にと … 続きを読む →

カテゴリー: cs.CL, cs.LG, eess.AS | Speech foundation models in healthcare: Effect of layer selection on pathological speech feature prediction はコメントを受け付けていません

The Greek podcast corpus: Competitive speech models for low-resourced languages with weakly supervised data

投稿日: 2024年6月24日 作成者: jarxiv

要約 デジタル表現が限られた言語の音声技術の開発は、主に利用可能なデータの不足に … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | The Greek podcast corpus: Competitive speech models for low-resourced languages with weakly supervised data はコメントを受け付けていません

Speech Emotion Recognition under Resource Constraints with Data Distillation

投稿日: 2024年6月24日 作成者: jarxiv

要約 音声感情認識 (SER) は、人間とコンピューターの対話において重要な役割 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Speech Emotion Recognition under Resource Constraints with Data Distillation はコメントを受け付けていません

DASB — Discrete Audio and Speech Benchmark

投稿日: 2024年6月24日 作成者: jarxiv

要約 離散オーディオ トークンは、オーディオと言語処理を接続し、最新のマルチモー … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | DASB — Discrete Audio and Speech Benchmark はコメントを受け付けていません