「eess.AS」カテゴリーアーカイブ

RTFS-Net: Recurrent time-frequency modelling for efficient audio-visual speech separation

投稿日: 2024年1月19日 作成者: jarxiv

要約 視聴覚音声分離手法は、さまざまなモダリティを統合して高品質の分離音声を生成 … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | RTFS-Net: Recurrent time-frequency modelling for efficient audio-visual speech separation はコメントを受け付けていません

Using i-vectors for subject-independent cross-session EEG transfer learning

投稿日: 2024年1月18日 作成者: jarxiv

要約 認知負荷分類は、脳波検査 (EEG) などの生理学的測定に基づいて、タスク … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS, q-bio.NC | Using i-vectors for subject-independent cross-session EEG transfer learning はコメントを受け付けていません

NOTSOFAR-1 Challenge: New Datasets, Baseline, and Tasks for Distant Meeting Transcription

投稿日: 2024年1月18日 作成者: jarxiv

要約 データセットとベースライン システムとともに、遠距離音声録音 (「NOTS … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | NOTSOFAR-1 Challenge: New Datasets, Baseline, and Tasks for Distant Meeting Transcription はコメントを受け付けていません

Efficient Adapter Finetuning for Tail Languages in Streaming Multilingual ASR

投稿日: 2024年1月18日 作成者: jarxiv

要約 エンドツーエンドの ASR モデルは、展開が容易であり、強力な基盤モデルな … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Efficient Adapter Finetuning for Tail Languages in Streaming Multilingual ASR はコメントを受け付けていません

Multilingual DistilWhisper: Efficient Distillation of Multi-task Speech Models via Language-Specific Experts

投稿日: 2024年1月18日 作成者: jarxiv

要約 Whisper は、99 言語をカバーするマルチタスクおよび多言語音声モデ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Multilingual DistilWhisper: Efficient Distillation of Multi-task Speech Models via Language-Specific Experts はコメントを受け付けていません

SummaryMixing: A Linear-Complexity Alternative to Self-Attention for Speech Recognition and Understanding

投稿日: 2024年1月18日 作成者: jarxiv

要約 現代の音声処理システムは自己注意に依存しています。 残念ながら、自己注意を … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SummaryMixing: A Linear-Complexity Alternative to Self-Attention for Speech Recognition and Understanding はコメントを受け付けていません

Paralinguistics-Enhanced Large Language Modeling of Spoken Dialogue

投稿日: 2024年1月18日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、チャット、推論、質問応答などのタスクにお … 続きを読む →

カテゴリー: cs.CL, eess.AS | Paralinguistics-Enhanced Large Language Modeling of Spoken Dialogue はコメントを受け付けていません

T-FOLEY: A Controllable Waveform-Domain Diffusion Model for Temporal-Event-Guided Foley Sound Synthesis

投稿日: 2024年1月18日 作成者: jarxiv

要約 フォーリー サウンド、つまりビデオと同時に挿入されるオーディオ コンテンツ … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS, eess.SP | T-FOLEY: A Controllable Waveform-Domain Diffusion Model for Temporal-Event-Guided Foley Sound Synthesis はコメントを受け付けていません

An Explainable Proxy Model for Multiabel Audio Segmentation

投稿日: 2024年1月18日 作成者: jarxiv

要約 オーディオ信号のセグメンテーションは、自動オーディオ インデックス作成の重 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS, eess.SP | An Explainable Proxy Model for Multiabel Audio Segmentation はコメントを受け付けていません

From Coarse to Fine: Efficient Training for Audio Spectrogram Transformers

投稿日: 2024年1月17日 作成者: jarxiv

要約 トランスは、オーディオ分類における最近の進歩の中心となっています。 ただし … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | From Coarse to Fine: Efficient Training for Audio Spectrogram Transformers はコメントを受け付けていません