eess.AS」カテゴリーアーカイブ

On the Impact of Voice Anonymization on Speech Diagnostic Applications: a Case Study on COVID-19 Detection

要約 深層学習の進歩に伴い、パーソナル アシスタント、感情コンピューティング、遠 … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | On the Impact of Voice Anonymization on Speech Diagnostic Applications: a Case Study on COVID-19 Detection はコメントを受け付けていません

AND: Audio Network Dissection for Interpreting Deep Acoustic Models

要約 ニューロンレベルの解釈は、特定の知覚または構造入力パターンに応答するニュー … 続きを読む

カテゴリー: cs.AI, cs.SD, eess.AS | AND: Audio Network Dissection for Interpreting Deep Acoustic Models はコメントを受け付けていません

WhaleNet: a Novel Deep Learning Architecture for Marine Mammals Vocalizations on Watkins Marine Mammal Sound Database

要約 海洋哺乳類のコミュニケーションは複雑な分野であり、発声の多様性や環境要因に … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.LG, cs.SD, eess.AS, eess.SP | WhaleNet: a Novel Deep Learning Architecture for Marine Mammals Vocalizations on Watkins Marine Mammal Sound Database はコメントを受け付けていません

Towards Building an End-to-End Multilingual Automatic Lyrics Transcription Model

要約 多言語の自動歌詞転写 (ALT) は、多言語の自動音声認識と比較して、利用 … 続きを読む

カテゴリー: cs.CL, cs.SD, eess.AS | Towards Building an End-to-End Multilingual Automatic Lyrics Transcription Model はコメントを受け付けていません

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

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

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

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

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

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

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