「eess.AS」カテゴリーアーカイブ

Towards reliable respiratory disease diagnosis based on cough sounds and vision transformers

投稿日: 2024年9月4日 作成者: jarxiv

要約 近年のディープラーニング技術の進歩により、マルチモーダルな医療データに基づ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Towards reliable respiratory disease diagnosis based on cough sounds and vision transformers はコメントを受け付けていません

Hold Me Tight: Stable Encoder-Decoder Design for Speech Enhancement

投稿日: 2024年9月2日 作成者: jarxiv

要約 1 次元フィルターを備えた畳み込み層は、オーディオ信号をエンコードするため … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Hold Me Tight: Stable Encoder-Decoder Design for Speech Enhancement はコメントを受け付けていません

SelectTTS: Synthesizing Anyone’s Voice via Discrete Unit-Based Frame Selection

投稿日: 2024年9月2日 作成者: jarxiv

要約 見えない話者の音声を合成することは、複数話者のテキスト読み上げ (TTS) … 続きを読む →

カテゴリー: cs.LG, eess.AS | SelectTTS: Synthesizing Anyone’s Voice via Discrete Unit-Based Frame Selection はコメントを受け付けていません

Towards Achieving Human Parity on End-to-end Simultaneous Speech Translation via LLM Agent

投稿日: 2024年9月2日 作成者: jarxiv

要約 この論文では、高品質で人間のような同時音声翻訳 (SiST) システムであ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Towards Achieving Human Parity on End-to-end Simultaneous Speech Translation via LLM Agent はコメントを受け付けていません

Contextualized Automatic Speech Recognition with Dynamic Vocabulary

投稿日: 2024年9月2日 作成者: jarxiv

要約 ディープ バイアス (DB) は、バイアス リストを使用して、まれな単語や … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Contextualized Automatic Speech Recognition with Dynamic Vocabulary はコメントを受け付けていません

Codec Does Matter: Exploring the Semantic Shortcoming of Codec for Audio Language Model

投稿日: 2024年9月2日 作成者: jarxiv

要約 オーディオ生成における最近の進歩は、大規模言語モデル (LLM) の機能に … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Codec Does Matter: Exploring the Semantic Shortcoming of Codec for Audio Language Model はコメントを受け付けていません

AASIST3: KAN-Enhanced AASIST Speech Deepfake Detection using SSL Features and Additional Regularization for the ASVspoof 2024 Challenge

投稿日: 2024年9月2日 作成者: jarxiv

要約 音声の特徴に基づいて話者を識別する自動話者認証 (ASV) システムは、金 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | AASIST3: KAN-Enhanced AASIST Speech Deepfake Detection using SSL Features and Additional Regularization for the ASVspoof 2024 Challenge はコメントを受け付けていません

Advancing Multi-talker ASR Performance with Large Language Models

投稿日: 2024年9月2日 作成者: jarxiv

要約 会話シナリオで複数の話者から重複する音声を認識することは、自動音声認識 ( … 続きを読む →

カテゴリー: cs.AI, eess.AS | Advancing Multi-talker ASR Performance with Large Language Models はコメントを受け付けていません

Mini-Omni: Language Models Can Hear, Talk While Thinking in Streaming

投稿日: 2024年9月2日 作成者: jarxiv

要約 言語モデルの最近の進歩は大幅な進歩を遂げています。 GPT-4o は新たな … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.HC, cs.LG, cs.SD, eess.AS | Mini-Omni: Language Models Can Hear, Talk While Thinking in Streaming はコメントを受け付けていません

Towards Efficient Modelling of String Dynamics: A Comparison of State Space and Koopman based Deep Learning Methods

投稿日: 2024年8月30日 作成者: jarxiv

要約 この論文では、線形および非線形の両方の硬いストリングのダイナミクスをモデル … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, physics.comp-ph | Towards Efficient Modelling of String Dynamics: A Comparison of State Space and Koopman based Deep Learning Methods はコメントを受け付けていません