「eess.AS」カテゴリーアーカイブ

Benchmarking Open-ended Audio Dialogue Understanding for Large Audio-Language Models

投稿日: 2024年12月9日 作成者: jarxiv

要約 Large Audio-Language Model (LALM) にはク … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Benchmarking Open-ended Audio Dialogue Understanding for Large Audio-Language Models はコメントを受け付けていません

Missing Melodies: AI Music Generation and its ‘Nearly’ Complete Omission of the Global South

投稿日: 2024年12月6日 作成者: jarxiv

要約 生成 AI の最近の進歩により、音楽生成に対する新たな関心と可能性が広がり … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Missing Melodies: AI Music Generation and its ‘Nearly’ Complete Omission of the Global South はコメントを受け付けていません

Representation Purification for End-to-End Speech Translation

投稿日: 2024年12月6日 作成者: jarxiv

要約 音声からテキストへの翻訳 (ST) は、音声言語を別の言語のテキストに変換 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Representation Purification for End-to-End Speech Translation はコメントを受け付けていません

CA-SSLR: Condition-Aware Self-Supervised Learning Representation for Generalized Speech Processing

投稿日: 2024年12月6日 作成者: jarxiv

要約 さまざまな音声処理タスクに広く適用できる汎用条件付けモデルである、Cond … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | CA-SSLR: Condition-Aware Self-Supervised Learning Representation for Generalized Speech Processing はコメントを受け付けていません

WaveletGPT: Wavelets Meet Large Language Models

投稿日: 2024年12月6日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、あらゆる科学分野と専門分野に影響を与える … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS, eess.SP | WaveletGPT: Wavelets Meet Large Language Models はコメントを受け付けていません

Dialectal Coverage And Generalization in Arabic Speech Recognition

投稿日: 2024年12月5日 作成者: jarxiv

要約 豊かな方言多様性を特徴とし、音声技術においてリソースが少ない言語とみなされ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Dialectal Coverage And Generalization in Arabic Speech Recognition はコメントを受け付けていません

DiffStyleTTS: Diffusion-based Hierarchical Prosody Modeling for Text-to-Speech with Diverse and Controllable Styles

投稿日: 2024年12月5日 作成者: jarxiv

要約 人間の音声は豊かで柔軟な韻律のバリエーションを示します。 合理的かつ柔軟な … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | DiffStyleTTS: Diffusion-based Hierarchical Prosody Modeling for Text-to-Speech with Diverse and Controllable Styles はコメントを受け付けていません

GLM-4-Voice: Towards Intelligent and Human-Like End-to-End Spoken Chatbot

投稿日: 2024年12月4日 作成者: jarxiv

要約 GLM-4-Voiceを紹介します。GLM-4-Voiceは、インテリジェ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | GLM-4-Voice: Towards Intelligent and Human-Like End-to-End Spoken Chatbot はコメントを受け付けていません

AV-Odyssey Bench: Can Your Multimodal LLMs Really Understand Audio-Visual Information?

投稿日: 2024年12月4日 作成者: jarxiv

要約 近年、GPT-4o、Gemini 1.5 Pro、Reka Coreなどの … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM, cs.SD, eess.AS | AV-Odyssey Bench: Can Your Multimodal LLMs Really Understand Audio-Visual Information? はコメントを受け付けていません

TTSDS — Text-to-Speech Distribution Score

投稿日: 2024年12月3日 作成者: jarxiv

要約 最近公開された Text-to-Speech (TTS) システムの多くは … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | TTSDS — Text-to-Speech Distribution Score はコメントを受け付けていません