「eess.AS」カテゴリーアーカイブ

The Effect of Perceptual Metrics on Music Representation Learning for Genre Classification

投稿日: 2024年9月26日 作成者: jarxiv

要約 自然信号の主観的な品質は、客観的な知覚指標で近似できます。 人間の観察者の … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.SD, eess.AS | The Effect of Perceptual Metrics on Music Representation Learning for Genre Classification はコメントを受け付けていません

Evaluation of state-of-the-art ASR Models in Child-Adult Interactions

投稿日: 2024年9月26日 作成者: jarxiv

要約 臨床現場で子供と大人の会話を確実に書き起こす能力は、自閉症スペクトラム障害 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Evaluation of state-of-the-art ASR Models in Child-Adult Interactions はコメントを受け付けていません

VoxHakka: A Dialectally Diverse Multi-speaker Text-to-Speech System for Taiwanese Hakka

投稿日: 2024年9月26日 作成者: jarxiv

要約 この文書では、台湾で話されている非常にリソースが不足している言語である台湾 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | VoxHakka: A Dialectally Diverse Multi-speaker Text-to-Speech System for Taiwanese Hakka はコメントを受け付けていません

A Modular-based Strategy for Mitigating Gradient Conflicts in Simultaneous Speech Translation

投稿日: 2024年9月26日 作成者: jarxiv

要約 同時音声翻訳 (SimulST) では、ストリーミング音声入力を継続的に処 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | A Modular-based Strategy for Mitigating Gradient Conflicts in Simultaneous Speech Translation はコメントを受け付けていません

StyleSinger 2: Zero-Shot Singing Voice Synthesis with Style Transfer and Multi-Level Style Control

投稿日: 2024年9月26日 作成者: jarxiv

要約 スタイルトランスファーとスタイルコントロールを備えたゼロショット歌声合成（ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | StyleSinger 2: Zero-Shot Singing Voice Synthesis with Style Transfer and Multi-Level Style Control はコメントを受け付けていません

tinyCLAP: Distilling Constrastive Language-Audio Pretrained Models

投稿日: 2024年9月26日 作成者: jarxiv

要約 Contrastive Language-Audio Pretrainin … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | tinyCLAP: Distilling Constrastive Language-Audio Pretrained Models はコメントを受け付けていません

Bridging Speech and Text: Enhancing ASR with Pinyin-to-Character Pre-training in LLMs

投稿日: 2024年9月26日 作成者: jarxiv

要約 大規模言語モデル (LLM) と事前トレーニングされた音声モデルの統合によ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Bridging Speech and Text: Enhancing ASR with Pinyin-to-Character Pre-training in LLMs はコメントを受け付けていません

Learn and Don’t Forget: Adding a New Language to ASR Foundation Models

投稿日: 2024年9月26日 作成者: jarxiv

要約 Foundation ASR モデルは多くの場合、多くの言語をサポートしま … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Learn and Don’t Forget: Adding a New Language to ASR Foundation Models はコメントを受け付けていません

Beyond the binary: Limitations and possibilities of gender-related speech technology research

投稿日: 2024年9月26日 作成者: jarxiv

要約 この論文は、2013 年から 2023 年までに ISCA Intersp … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Beyond the binary: Limitations and possibilities of gender-related speech technology research はコメントを受け付けていません

Leveraging Mixture of Experts for Improved Speech Deepfake Detection

投稿日: 2024年9月26日 作成者: jarxiv

要約 音声ディープフェイクは、個人のセキュリティとコンテンツの信頼性に重​​大な … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Leveraging Mixture of Experts for Improved Speech Deepfake Detection はコメントを受け付けていません