「eess.AS」カテゴリーアーカイブ

Speech-to-Speech Translation with Discrete-Unit-Based Style Transfer

投稿日: 2024年7月22日 作成者: jarxiv

要約 個別の自己教師あり表現による直接音声対音声翻訳 (S2ST) は、驚くべき … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Speech-to-Speech Translation with Discrete-Unit-Based Style Transfer はコメントを受け付けていません

CoVoSwitch: Machine Translation of Synthetic Code-Switched Text Based on Intonation Units

投稿日: 2024年7月22日 作成者: jarxiv

要約 多言語コードスイッチングの研究は、利用可能なデータセットの不足や言語的に偏 … 続きを読む →

カテゴリー: cs.AI, cs.CL, eess.AS | CoVoSwitch: Machine Translation of Synthetic Code-Switched Text Based on Intonation Units はコメントを受け付けていません

Stable Audio Open

投稿日: 2024年7月22日 作成者: jarxiv

要約 オープン生成モデルはコミュニティにとって非常に重要であり、微調整が可能であ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Stable Audio Open はコメントを受け付けていません

Towards Assessing Data Replication in Music Generation with Music Similarity Metrics on Raw Audio

投稿日: 2024年7月22日 作成者: jarxiv

要約 音楽生成における最近の進歩により、創造的な音楽プロセス、現在のビジネス モ … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | Towards Assessing Data Replication in Music Generation with Music Similarity Metrics on Raw Audio はコメントを受け付けていません

CogniVoice: Multimodal and Multilingual Fusion Networks for Mild Cognitive Impairment Assessment from Spontaneous Speech

投稿日: 2024年7月19日 作成者: jarxiv

要約 軽度認知障害 (MCI) は、記憶力と認知能力の顕著な低下を特徴とする病状 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | CogniVoice: Multimodal and Multilingual Fusion Networks for Mild Cognitive Impairment Assessment from Spontaneous Speech はコメントを受け付けていません

Linear-Complexity Self-Supervised Learning for Speech Processing

投稿日: 2024年7月19日 作成者: jarxiv

要約 自己教師あり学習 (SSL) モデルは通常、数十のハイエンド GPU を使 … 続きを読む →

カテゴリー: cs.AI, cs.CL, eess.AS | Linear-Complexity Self-Supervised Learning for Speech Processing はコメントを受け付けていません

Enhancing Out-of-Vocabulary Performance of Indian TTS Systems for Practical Applications through Low-Effort Data Strategies

投稿日: 2024年7月19日 作成者: jarxiv

要約 ヒンディー語やタミル語などのリソースが少ない言語の公開されている TTS … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Enhancing Out-of-Vocabulary Performance of Indian TTS Systems for Practical Applications through Low-Effort Data Strategies はコメントを受け付けていません

Pronunciation Assessment with Multi-modal Large Language Models

投稿日: 2024年7月19日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、強力な会話能力で知られ、教育分野、特に言 … 続きを読む →

カテゴリー: cs.CL, eess.AS | Pronunciation Assessment with Multi-modal Large Language Models はコメントを受け付けていません

Spontaneous Style Text-to-Speech Synthesis with Controllable Spontaneous Behaviors Based on Language Models

投稿日: 2024年7月19日 作成者: jarxiv

要約 人間のような音声を生成することを目的とした自発的なスタイルの音声合成は、高 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Spontaneous Style Text-to-Speech Synthesis with Controllable Spontaneous Behaviors Based on Language Models はコメントを受け付けていません

Open-Source Conversational AI with SpeechBrain 1.0

投稿日: 2024年7月19日 作成者: jarxiv

要約 SpeechBrain は、PyTorch に基づくオープンソースの会話 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.HC, cs.LG, eess.AS | Open-Source Conversational AI with SpeechBrain 1.0 はコメントを受け付けていません