「eess.AS」カテゴリーアーカイブ

Measuring the Accuracy of Automatic Speech Recognition Solutions

投稿日: 2024年8月30日 作成者: jarxiv

要約 聴覚障害者および聴覚障害者 (DHH) の人々にとって、キャプションは不可 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS, I.2.7 | Measuring the Accuracy of Automatic Speech Recognition Solutions はコメントを受け付けていません

SALSA: Speedy ASR-LLM Synchronous Aggregation

投稿日: 2024年8月30日 作成者: jarxiv

要約 事前トレーニングされた LLM を利用して、特に低リソース言語の ASR … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | SALSA: Speedy ASR-LLM Synchronous Aggregation はコメントを受け付けていません

Innovative Speech-Based Deep Learning Approaches for Parkinson’s Disease Classification: A Systematic Review

投稿日: 2024年8月30日 作成者: jarxiv

要約 パーキンソン病 (PD) は世界で 2 番目に蔓延している神経変性疾患であ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Innovative Speech-Based Deep Learning Approaches for Parkinson’s Disease Classification: A Systematic Review 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8月30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

Easy, Interpretable, Effective: openSMILE for voice deepfake detection

投稿日: 2024年8月30日 作成者: jarxiv

要約 この論文では、音声の信頼性とディープフェイク検出の分野における事実上の標準 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Easy, Interpretable, Effective: openSMILE for voice deepfake detection はコメントを受け付けていません

Multi-modal Adversarial Training for Zero-Shot Voice Cloning

投稿日: 2024年8月29日 作成者: jarxiv

要約 与えられたテキストから音声を再構築するようにトレーニングされたテキスト読み … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Multi-modal Adversarial Training for Zero-Shot Voice Cloning はコメントを受け付けていません

SimpleSpeech 2: Towards Simple and Efficient Text-to-Speech with Flow-based Scalar Latent Transformer Diffusion Models

投稿日: 2024年8月29日 作成者: jarxiv

要約 Text-to-speech (TTS) を大規模なデータセットにスケーリ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SimpleSpeech 2: Towards Simple and Efficient Text-to-Speech with Flow-based Scalar Latent Transformer Diffusion Models はコメントを受け付けていません

Beyond Levenshtein: Leveraging Multiple Algorithms for Robust Word Error Rate Computations And Granular Error Classifications

投稿日: 2024年8月29日 作成者: jarxiv

要約 単語誤り率 (WER) は、自動音声認識 (ASR) の精度の一般的な尺度 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS, I.2.7 | Beyond Levenshtein: Leveraging Multiple Algorithms for Robust Word Error Rate Computations And Granular Error Classifications はコメントを受け付けていません

Easy, Interpretable, Effective: openSMILE for voice deepfake detection

投稿日: 2024年8月29日 作成者: jarxiv

要約 この論文では、音声の信頼性とディープフェイク検出の分野における事実上の標準 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Easy, Interpretable, Effective: openSMILE for voice deepfake detection はコメントを受け付けていません

ModalityMirror: Improving Audio Classification in Modality Heterogeneity Federated Learning with Multimodal Distillation

投稿日: 2024年8月29日 作成者: jarxiv

要約 マルチモーダル Federated Learning では、クライアント … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | ModalityMirror: Improving Audio Classification in Modality Heterogeneity Federated Learning with Multimodal Distillation はコメントを受け付けていません