「eess.AS」カテゴリーアーカイブ

Towards Early Prediction of Self-Supervised Speech Model Performance

投稿日: 2025年1月13日 作成者: jarxiv

要約 自己教師あり学習 (SSL) では、事前トレーニングと評価にリソースが大量 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Towards Early Prediction of Self-Supervised Speech Model Performance はコメントを受け付けていません

Benchmarking Rotary Position Embeddings for Automatic Speech Recognition

投稿日: 2025年1月13日 作成者: jarxiv

要約 Rotary Position Embedding (RoPE) は、シー … 続きを読む →

カテゴリー: cs.AI, cs.CL, eess.AS | Benchmarking Rotary Position Embeddings for Automatic Speech Recognition はコメントを受け付けていません

xLSTM-SENet: xLSTM for Single-Channel Speech Enhancement

投稿日: 2025年1月13日 作成者: jarxiv

要約 Conformers などのアテンションベースのアーキテクチャは音声強調に … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | xLSTM-SENet: xLSTM for Single-Channel Speech Enhancement はコメントを受け付けていません

FLowHigh: Towards Efficient and High-Quality Audio Super-Resolution with Single-Step Flow Matching

投稿日: 2025年1月10日 作成者: jarxiv

要約 オーディオの超解像度は、その不適切な性質により困難を伴います。 最近、オー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | FLowHigh: Towards Efficient and High-Quality Audio Super-Resolution with Single-Step Flow Matching はコメントを受け付けていません

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