「eess.AS」カテゴリーアーカイブ

Estimated Audio-Caption Correspondences Improve Language-Based Audio Retrieval

投稿日: 2024年8月22日 作成者: jarxiv

要約 デュアル エンコーダ ベースの音声検索システムは、一般に、一致する音声と不 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Estimated Audio-Caption Correspondences Improve Language-Based Audio Retrieval はコメントを受け付けていません

DisMix: Disentangling Mixtures of Musical Instruments for Source-level Pitch and Timbre Manipulation

投稿日: 2024年8月21日 作成者: jarxiv

要約 ピッチと音色のもつれを解くことに関する既存の研究は、複数の楽器が提示される … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | DisMix: Disentangling Mixtures of Musical Instruments for Source-level Pitch and Timbre Manipulation はコメントを受け付けていません

Audio Match Cutting: Finding and Creating Matching Audio Transitions in Movies and Videos

投稿日: 2024年8月21日 作成者: jarxiv

要約 「マッチカット」は、同様の構成を持つ 2 つのショットが一方からもう一方に … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Audio Match Cutting: Finding and Creating Matching Audio Transitions in Movies and Videos はコメントを受け付けていません

The FruitShell French synthesis system at the Blizzard 2023 Challenge

投稿日: 2024年8月21日 作成者: jarxiv

要約 この論文では、Blizzard Challenge 2023 用のフランス … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | The FruitShell French synthesis system at the Blizzard 2023 Challenge はコメントを受け付けていません

Towards Rehearsal-Free Multilingual ASR: A LoRA-based Case Study on Whisper

投稿日: 2024年8月21日 作成者: jarxiv

要約 Whisper のような、事前トレーニングされた多言語音声基礎モデルは、さ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Towards Rehearsal-Free Multilingual ASR: A LoRA-based Case Study on Whisper はコメントを受け付けていません

Disentangling segmental and prosodic factors to non-native speech comprehensibility

投稿日: 2024年8月21日 作成者: jarxiv

要約 現在のアクセント変換 (AC) システムは、非ネイティブ アクセントの 2 … 続きを読む →

カテゴリー: cs.CL, eess.AS | Disentangling segmental and prosodic factors to non-native speech comprehensibility はコメントを受け付けていません

A Multi-Stream Fusion Approach with One-Class Learning for Audio-Visual Deepfake Detection

投稿日: 2024年8月20日 作成者: jarxiv

要約 この論文では、堅牢なオーディオビジュアルディープフェイク検出モデルを開発す … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | A Multi-Stream Fusion Approach with One-Class Learning for Audio-Visual Deepfake Detection はコメントを受け付けていません

Convert and Speak: Zero-shot Accent Conversion with Minimum Supervision

投稿日: 2024年8月20日 作成者: jarxiv

要約 並列データのリソースが少ないことは、発音単位と韻律パターンの両方を変換する … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Convert and Speak: Zero-shot Accent Conversion with Minimum Supervision はコメントを受け付けていません

Enhancing Partially Spoofed Audio Localization with Boundary-aware Attention Mechanism

投稿日: 2024年8月20日 作成者: jarxiv

要約 部分的にスプーフィングされたオーディオ位置特定のタスクは、フレーム レベル … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Enhancing Partially Spoofed Audio Localization with Boundary-aware Attention Mechanism はコメントを受け付けていません

Advancing Voice Cloning for Nepali: Leveraging Transfer Learning in a Low-Resource Language

投稿日: 2024年8月20日 作成者: jarxiv

要約 音声クローン作成は、パーソナライズされた音声インターフェイスの顕著な機能で … 続きを読む →

カテゴリー: 91F20, cs.AI, cs.LG, cs.SD, eess.AS, I.2.7 | Advancing Voice Cloning for Nepali: Leveraging Transfer Learning in a Low-Resource Language はコメントを受け付けていません