「eess.AS」カテゴリーアーカイブ

Any2Point: Empowering Any-modality Large Models for Efficient 3D Understanding

投稿日: 2024年4月12日 作成者: jarxiv

要約 最近、大規模な基礎モデルが注目を集めており、広範なシナリオで優れたパフォー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.SD, eess.AS | Any2Point: Empowering Any-modality Large Models for Efficient 3D Understanding はコメントを受け付けていません

MuPT: A Generative Symbolic Music Pretrained Transformer

投稿日: 2024年4月11日 作成者: jarxiv

要約 この論文では、音楽の事前トレーニングへの大規模言語モデル (LLM) の適 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | MuPT: A Generative Symbolic Music Pretrained Transformer はコメントを受け付けていません

Towards generalizing deep-audio fake detection networks

投稿日: 2024年4月10日 作成者: jarxiv

要約 今日の生成ニューラル ネットワークでは、高品質の合成音声を大規模に作成でき … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Towards generalizing deep-audio fake detection networks はコメントを受け付けていません

nEMO: Dataset of Emotional Speech in Polish

投稿日: 2024年4月10日 作成者: jarxiv

要約 音声感情認識は、ヘルスケア、顧客サービス、対話システムのパーソナライゼーシ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | nEMO: Dataset of Emotional Speech in Polish はコメントを受け付けていません

MuPT: A Generative Symbolic Music Pretrained Transformer

投稿日: 2024年4月10日 作成者: jarxiv

要約 この論文では、音楽の事前トレーニングへの大規模言語モデル (LLM) の適 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | MuPT: A Generative Symbolic Music Pretrained Transformer はコメントを受け付けていません

SpeechAlign: Aligning Speech Generation to Human Preferences

投稿日: 2024年4月9日 作成者: jarxiv

要約 音声言語モデルは、リアルな音声を生成する点で大幅に進歩しており、ニューラル … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SpeechAlign: Aligning Speech Generation to Human Preferences はコメントを受け付けていません

MLCA-AVSR: Multi-Layer Cross Attention Fusion based Audio-Visual Speech Recognition

投稿日: 2024年4月9日 作成者: jarxiv

要約 自動音声認識 (ASR) システムは騒がしい環境では大幅に性能が低下します … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | MLCA-AVSR: Multi-Layer Cross Attention Fusion based Audio-Visual Speech Recognition はコメントを受け付けていません

VietMed: A Dataset and Benchmark for Automatic Speech Recognition of Vietnamese in the Medical Domain

投稿日: 2024年4月9日 作成者: jarxiv

要約 プライバシー制限により、医療分野では公的に利用可能な音声認識データセットが … 続きを読む →

カテゴリー: cs.AI, cs.CL, eess.AS | VietMed: A Dataset and Benchmark for Automatic Speech Recognition of Vietnamese in the Medical Domain はコメントを受け付けていません

Africa-Centric Self-Supervised Pre-Training for Multilingual Speech Representation in a Sub-Saharan Context

投稿日: 2024年4月8日 作成者: jarxiv

要約 アフリカの音声のみを対象としてトレーニングされた、最初の自己教師あり多言語 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Africa-Centric Self-Supervised Pre-Training for Multilingual Speech Representation in a Sub-Saharan Context はコメントを受け付けていません

As Good As A Coin Toss: Human detection of AI-generated images, videos, audio, and audiovisual stimuli

投稿日: 2024年4月5日 作成者: jarxiv

要約 合成メディアが次第にリアルになり、それを利用する障壁が下がり続けるにつれ、 … 続きを読む →

カテゴリー: 68T01, cs.AI, cs.HC, cs.SD, eess.AS, I.2 | As Good As A Coin Toss: Human detection of AI-generated images, videos, audio, and audiovisual stimuli はコメントを受け付けていません