「eess.AS」カテゴリーアーカイブ

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

Full-Duplex-Bench: A Benchmark to Evaluate Full-duplex Spoken Dialogue Models on Turn-taking Capabilities

投稿日: 2025年3月7日 作成者: jarxiv

要約 話しかけられた対話モデリングは、テキストベースの言語モデリングを超えた独自 … 続きを読む →

カテゴリー: cs.CL, eess.AS | Full-Duplex-Bench: A Benchmark to Evaluate Full-duplex Spoken Dialogue Models on Turn-taking Capabilities はコメントを受け付けていません

Self-Supervised Models for Phoneme Recognition: Applications in Children’s Speech for Reading Learning

投稿日: 2025年3月7日 作成者: jarxiv

要約 子どもの音声認識は、データの不足（特に英語以外の言語）とこのタスクの具体的 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Self-Supervised Models for Phoneme Recognition: Applications in Children’s Speech for Reading Learning はコメントを受け付けていません

Scaling Rich Style-Prompted Text-to-Speech Datasets

投稿日: 2025年3月7日 作成者: jarxiv

要約 豊かなスタイルのキャプションでスピーチの発話を注釈する大規模なデータセット … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Scaling Rich Style-Prompted Text-to-Speech Datasets はコメントを受け付けていません

Quantification of Tenseness in English and Japanese Tense-Lax Vowels: A Lagrangian Model with Indicator $θ_1$ and Force of Tenseness Ftense(t)

投稿日: 2025年3月6日 作成者: jarxiv

要約 母音の緊張性の概念は、伝統的に時制と緩き母音のバイナリ区別を通じて調べられ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Quantification of Tenseness in English and Japanese Tense-Lax Vowels: A Lagrangian Model with Indicator $θ_1$ and Force of Tenseness Ftense(t) はコメントを受け付けていません

CTC-DRO: Robust Optimization for Reducing Language Disparities in Speech Recognition

投稿日: 2025年3月6日 作成者: jarxiv

要約 最新のディープラーニングモデルは、多くの場合、全体的なパフォーマンスが高い … 続きを読む →

カテゴリー: cs.CL, cs.LG, eess.AS | CTC-DRO: Robust Optimization for Reducing Language Disparities in Speech Recognition はコメントを受け付けていません