「eess.AS」カテゴリーアーカイブ

AudioX: Diffusion Transformer for Anything-to-Audio Generation

投稿日: 2025年3月14日 作成者: jarxiv

要約 オーディオと音楽の生成は、多くのアプリケーションで重要なタスクとして浮上し … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | AudioX: Diffusion Transformer for Anything-to-Audio Generation はコメントを受け付けていません

Quality Over Quantity? LLM-Based Curation for a Data-Efficient Audio-Video Foundation Model

投稿日: 2025年3月13日 作成者: jarxiv

要約 マルチモーダルの基礎モデルをトレーニングするためのオーディオとビジュアルデ … 続きを読む →

カテゴリー: 68T, 68T10, 68T45, cs.CL, cs.IR, cs.MM, cs.SD, eess.AS | Quality Over Quantity? LLM-Based Curation for a Data-Efficient Audio-Video Foundation Model はコメントを受け付けていません

MAD Speech: Measures of Acoustic Diversity of Speech

投稿日: 2025年3月12日 作成者: jarxiv

要約 生成された音声言語モデルは、幅広い声、韻律、記録条件で音声を生み出し、自然 … 続きを読む →

カテゴリー: cs.CL, eess.AS | MAD Speech: Measures of Acoustic Diversity of Speech はコメントを受け付けていません

ESPnet-SDS: Unified Toolkit and Demo for Spoken Dialogue Systems

投稿日: 2025年3月12日 作成者: jarxiv

要約 Audio Foundation Models（FMS）の進歩は、エンドツ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | ESPnet-SDS: Unified Toolkit and Demo for Spoken Dialogue Systems はコメントを受け付けていません

Mellow: a small audio language model for reasoning

投稿日: 2025年3月12日 作成者: jarxiv

要約 マルチモーダルオーディオ言語モデル（ALMS）は、オーディオとテキストの両 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Mellow: a small audio language model for reasoning はコメントを受け付けていません

YuE: Scaling Open Foundation Models for Long-Form Music Generation

投稿日: 2025年3月12日 作成者: jarxiv

要約 LLAMA2アーキテクチャに基づいたオープンファンデーションモデルのファミ … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | YuE: Scaling Open Foundation Models for Long-Form Music Generation はコメントを受け付けていません

Video-to-Audio Generation with Hidden Alignment

投稿日: 2025年3月12日 作成者: jarxiv

要約 ビデオ入力に従って意味的および一時的に整列したオーディオコンテンツを生成す … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Video-to-Audio Generation with Hidden Alignment はコメントを受け付けていません

Building English ASR model with regional language support

投稿日: 2025年3月11日 作成者: jarxiv

要約 この論文では、英語でのパフォーマンスを損なうことなく、ヒンディー語のクエリ … 続きを読む →

カテゴリー: cs.CL, eess.AS | Building English ASR model with regional language support はコメントを受け付けていません

Score-informed Music Source Separation: Improving Synthetic-to-real Generalization in Classical Music

投稿日: 2025年3月11日 作成者: jarxiv

要約 音楽ソースの分離は、楽器の混合物を構成トラックに分離するタスクです。 音楽 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Score-informed Music Source Separation: Improving Synthetic-to-real Generalization in Classical Music はコメントを受け付けていません

Linguistic Knowledge Transfer Learning for Speech Enhancement

投稿日: 2025年3月11日 作成者: jarxiv

要約 言語の知識は、話し言葉の理解において重要な役割を果たします。 騒々しい環境 … 続きを読む →

カテゴリー: cs.CL, eess.AS | Linguistic Knowledge Transfer Learning for Speech Enhancement はコメントを受け付けていません