eess.AS」カテゴリーアーカイブ

The Voice Timbre Attribute Detection 2025 Challenge Evaluation Plan

要約 声の音色とは、人間の聴覚によって認識されているように、他の人と区別する人の … 続きを読む

カテゴリー: cs.AI, cs.SD, eess.AS | The Voice Timbre Attribute Detection 2025 Challenge Evaluation Plan はコメントを受け付けていません

WavReward: Spoken Dialogue Models With Generalist Reward Evaluators

要約 GPT-4O-Audioなどのエンドツーエンドの音声対話モデルは、最近、音 … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.MM, cs.SD, eess.AS | WavReward: Spoken Dialogue Models With Generalist Reward Evaluators はコメントを受け付けていません

UWAV: Uncertainty-weighted Weakly-supervised Audio-Visual Video Parsing

要約 オーディオビジュアルビデオの解析(AVVP)は、両方のユニモーダルイベント … 続きを読む

カテゴリー: cs.CV, cs.SD, eess.AS | UWAV: Uncertainty-weighted Weakly-supervised Audio-Visual Video Parsing はコメントを受け付けていません

A Mamba-based Network for Semi-supervised Singing Melody Extraction Using Confidence Binary Regularization

要約 Singing Melody Extraction(SME)は、音楽情報検 … 続きを読む

カテゴリー: cs.AI, cs.SD, eess.AS | A Mamba-based Network for Semi-supervised Singing Melody Extraction Using Confidence Binary Regularization はコメントを受け付けていません

A Survey of Deep Learning for Complex Speech Spectrograms

要約 深い学習の最近の進歩は、特に複雑なスペクトログラムの分析と操作において、音 … 続きを読む

カテゴリー: cs.AI, eess.AS | A Survey of Deep Learning for Complex Speech Spectrograms はコメントを受け付けていません

Multi-Domain Audio Question Answering Toward Acoustic Content Reasoning in The DCASE 2025 Challenge

要約 DCASE 2025チャレンジのタスク5を紹介します。音響質問(AQA)ベ … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.MM, cs.SD, eess.AS | Multi-Domain Audio Question Answering Toward Acoustic Content Reasoning in The DCASE 2025 Challenge はコメントを受け付けていません

Spoken Language Understanding on Unseen Tasks With In-Context Learning

要約 音声言語理解(SLU)タスクには、モデルの情報抽出、分類、および/または生 … 続きを読む

カテゴリー: cs.CL, cs.LG, eess.AS | Spoken Language Understanding on Unseen Tasks With In-Context Learning はコメントを受け付けていません

Diffused Responsibility: Analyzing the Energy Consumption of Generative Text-to-Audio Diffusion Models

要約 テキストからオーディオモデルは最近、テキストの説明からサウンドを生成するた … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Diffused Responsibility: Analyzing the Energy Consumption of Generative Text-to-Audio Diffusion Models はコメントを受け付けていません

Lightweight End-to-end Text-to-speech Synthesis for low resource on-device applications

要約 最近の作品は、エンドツーエンド(E2E)ファッションのテキストからの生の波 … 続きを読む

カテゴリー: cs.AI, cs.SD, eess.AS | Lightweight End-to-end Text-to-speech Synthesis for low resource on-device applications はコメントを受け付けていません

Learning Music Audio Representations With Limited Data

要約 汎用音楽の音声表現の学習に焦点を当てたものを含む音楽の大規模な学習モデルは … 続きを読む

カテゴリー: cs.LG, cs.SD, eess.AS | Learning Music Audio Representations With Limited Data はコメントを受け付けていません