「eess.AS」カテゴリーアーカイブ

Multistage Fine-tuning Strategies for Automatic Speech Recognition in Low-resource Languages

投稿日: 2024年11月8日 作成者: jarxiv

要約 この論文では、OpenAI の Whisper モデルを使用して、低リソー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Multistage Fine-tuning Strategies for Automatic Speech Recognition in Low-resource Languages はコメントを受け付けていません

Pre-Finetuning for Few-Shot Emotional Speech Recognition

投稿日: 2024年11月8日 作成者: jarxiv

要約 音声モデルは、多くの分類タスクに対して個々の話者を過剰適合させることが長い … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Pre-Finetuning for Few-Shot Emotional Speech Recognition はコメントを受け付けていません

Towards Open Respiratory Acoustic Foundation Models: Pretraining and Benchmarking

投稿日: 2024年11月8日 作成者: jarxiv

要約 咳や呼吸音などの呼吸音には、幅広い医療用途を予測する力がありますが、現時点 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Towards Open Respiratory Acoustic Foundation Models: Pretraining and Benchmarking はコメントを受け付けていません

Beyond Single-Audio: Advancing Multi-Audio Processing in Audio Large Language Models

投稿日: 2024年11月7日 作成者: jarxiv

要約 最近、単一の統合モデルを使用してさまざまなオーディオ タスクに同時に取り組 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.MM, cs.SD, eess.AS | Beyond Single-Audio: Advancing Multi-Audio Processing in Audio Large Language Models はコメントを受け付けていません

Performance evaluation of SLAM-ASR: The Good, the Bad, the Ugly, and the Way Forward

投稿日: 2024年11月7日 作成者: jarxiv

要約 最近の研究では、音声基盤エンコーダと大規模言語モデル (LLM) の間の線 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Performance evaluation of SLAM-ASR: The Good, the Bad, the Ugly, and the Way Forward はコメントを受け付けていません

Speaker Emotion Recognition: Leveraging Self-Supervised Models for Feature Extraction Using Wav2Vec2 and HuBERT

投稿日: 2024年11月7日 作成者: jarxiv

要約 スピーチは、人間として自分自身を表現する最も自然な方法です。 感情自体の定 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Speaker Emotion Recognition: Leveraging Self-Supervised Models for Feature Extraction Using Wav2Vec2 and HuBERT はコメントを受け付けていません

Long-Form Text-to-Music Generation with Adaptive Prompts: A Case of Study in Tabletop Role-Playing Games Soundtracks

投稿日: 2024年11月7日 作成者: jarxiv

要約 この論文では、テーブルトップ ロール プレイング ゲーム (TRPG) の … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.NE, cs.SD, eess.AS | Long-Form Text-to-Music Generation with Adaptive Prompts: A Case of Study in Tabletop Role-Playing Games Soundtracks はコメントを受け付けていません

Universal Sound Separation with Self-Supervised Audio Masked Autoencoder

投稿日: 2024年11月7日 作成者: jarxiv

要約 ユニバーサル サウンド セパレーション (USS) は、任意の音源の混合物 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Universal Sound Separation with Self-Supervised Audio Masked Autoencoder はコメントを受け付けていません

Blind Estimation of Sub-band Acoustic Parameters from Ambisonics Recordings using Spectro-Spatial Covariance Features

投稿日: 2024年11月6日 作成者: jarxiv

要約 周波数によって変化する音響パラメータを推定することは、現実的な空間オーディ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, eess.SP | Blind Estimation of Sub-band Acoustic Parameters from Ambisonics Recordings using Spectro-Spatial Covariance Features はコメントを受け付けていません

Towards Deep Active Learning in Avian Bioacoustics

投稿日: 2024年11月6日 作成者: jarxiv

要約 鳥類の生体音響における受動音響モニタリング (PAM) により、自然の生息 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Towards Deep Active Learning in Avian Bioacoustics はコメントを受け付けていません