「eess.AS」カテゴリーアーカイブ

LAST: Language Model Aware Speech Tokenization

投稿日: 2024年9月6日 作成者: jarxiv

要約 音声トークン化は音声言語モデル (LM) の基礎として機能し、音声言語モデ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | LAST: Language Model Aware Speech Tokenization はコメントを受け付けていません

Raw Speech Enhancement with Deep State Space Modeling

投稿日: 2024年9月6日 作成者: jarxiv

要約 エンドツーエンド方式でオンラインの生の音声を効率的に強化するために構成され … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Raw Speech Enhancement with Deep State Space Modeling はコメントを受け付けていません

Temporal Order Preserved Optimal Transport-based Cross-modal Knowledge Transfer Learning for ASR

投稿日: 2024年9月6日 作成者: jarxiv

要約 言語知識を事前学習済み言語モデル (PLM) から音響モデルに転送すると、 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Temporal Order Preserved Optimal Transport-based Cross-modal Knowledge Transfer Learning for ASR はコメントを受け付けていません

Multimodal Laryngoscopic Video Analysis for Assisted Diagnosis of Vocal Cord Paralysis

投稿日: 2024年9月6日 作成者: jarxiv

要約 この論文では、音声データとビデオ データを組み合わせて、臨床評価のために喉 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Multimodal Laryngoscopic Video Analysis for Assisted Diagnosis of Vocal Cord Paralysis はコメントを受け付けていません

Serialized Speech Information Guidance with Overlapped Encoding Separation for Multi-Speaker Automatic Speech Recognition

投稿日: 2024年9月6日 作成者: jarxiv

要約 シリアル化出力トレーニング (SOT) は、マルチ話者の自動音声認識 (A … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Serialized Speech Information Guidance with Overlapped Encoding Separation for Multi-Speaker Automatic Speech Recognition はコメントを受け付けていません

Segment Beyond View: Handling Partially Missing Modality for Audio-Visual Semantic Segmentation

投稿日: 2024年9月6日 作成者: jarxiv

要約 拡張現実 (AR) デバイスは、著名なモバイル インタラクション プラット … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Segment Beyond View: Handling Partially Missing Modality for Audio-Visual Semantic Segmentation はコメントを受け付けていません

An Analysis of Linear Complexity Attention Substitutes with BEST-RQ

投稿日: 2024年9月5日 作成者: jarxiv

要約 自己教師あり学習 (SSL) は、音声処理を含むさまざまな分野で効果的であ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | An Analysis of Linear Complexity Attention Substitutes with BEST-RQ はコメントを受け付けていません

Towards a Universal Method for Meaningful Signal Detection

投稿日: 2024年9月5日 作成者: jarxiv

要約 人間の発話や特定の動物の鳴き声は、特定の発話が伝える内容を解読できるため、 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Towards a Universal Method for Meaningful Signal Detection はコメントを受け付けていません

AudioBench: A Universal Benchmark for Audio Large Language Models

投稿日: 2024年9月4日 作成者: jarxiv

要約 Audio Large Language Models (AudioLLM … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | AudioBench: A Universal Benchmark for Audio Large Language Models はコメントを受け付けていません

Foundation Models for Music: A Survey

投稿日: 2024年9月4日 作成者: jarxiv

要約 近年、大規模言語モデル(LLM)や潜在拡散モデル(LDM)などの基盤モデル … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Foundation Models for Music: A Survey はコメントを受け付けていません