「eess.AS」カテゴリーアーカイブ

Towards scalable efficient on-device ASR with transfer learning

投稿日: 2024年7月24日 作成者: jarxiv

要約 転移学習の多言語事前トレーニングにより、低リソースの単言語 ASR モデル … 続きを読む →

カテゴリー: cs.CL, eess.AS | Towards scalable efficient on-device ASR with transfer learning はコメントを受け付けていません

Audio Prompt Adapter: Unleashing Music Editing Abilities for Text-to-Music with Lightweight Finetuning

投稿日: 2024年7月24日 作成者: jarxiv

要約 テキストから音楽へのモデルを使用すると、ユーザーはテキスト コマンドを使用 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Audio Prompt Adapter: Unleashing Music Editing Abilities for Text-to-Music with Lightweight Finetuning はコメントを受け付けていません

Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization

投稿日: 2024年7月24日 作成者: jarxiv

要約 最近、新しい形式の音声部分偽造がフォレンジックに課題をもたらしており、長時 … 続きを読む →

カテゴリー: 68T07, 68T10, cs.CV, cs.MM, cs.SD, eess.AS, I.2 | Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization はコメントを受け付けていません

Generating Sample-Based Musical Instruments Using Neural Audio Codec Language Models

投稿日: 2024年7月23日 作成者: jarxiv

要約 この論文では、テキストまたは参照音声プロンプトに基づいてサンプルベースの楽 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Generating Sample-Based Musical Instruments Using Neural Audio Codec Language Models はコメントを受け付けていません

Robustness of Speech Separation Models for Similar-pitch Speakers

投稿日: 2024年7月23日 作成者: jarxiv

要約 シングルチャネル音声分離は、マルチスピーカー環境で音声認識システムを強化す … 続きを読む →

カテゴリー: cs.LG, eess.AS, eess.SP | Robustness of Speech Separation Models for Similar-pitch Speakers はコメントを受け付けていません

TTSDS — Text-to-Speech Distribution Score

投稿日: 2024年7月23日 作成者: jarxiv

要約 最近公開された Text-to-Speech (TTS) システムの多くは … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | TTSDS — Text-to-Speech Distribution Score はコメントを受け付けていません

Cross-Speaker Encoding Network for Multi-Talker Speech Recognition

投稿日: 2024年7月23日 作成者: jarxiv

要約 エンドツーエンドのマルチ話者音声認識は、複数の話者からの重複した音声を直接 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Cross-Speaker Encoding Network for Multi-Talker Speech Recognition はコメントを受け付けていません

J-CHAT: Japanese Large-scale Spoken Dialogue Corpus for Spoken Dialogue Language Modeling

投稿日: 2024年7月23日 作成者: jarxiv

要約 音声対話は人間と AI の対話において重要な役割を果たしており、対話指向の … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | J-CHAT: Japanese Large-scale Spoken Dialogue Corpus for Spoken Dialogue Language Modeling はコメントを受け付けていません

dMel: Speech Tokenization made Simple

投稿日: 2024年7月23日 作成者: jarxiv

要約 大規模な言語モデルは、膨大なテキスト データに対する自己教師あり事前トレー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | dMel: Speech Tokenization made Simple はコメントを受け付けていません

Automatic Classification of News Subjects in Broadcast News: Application to a Gender Bias Representation Analysis

投稿日: 2024年7月22日 作成者: jarxiv

要約 この論文では、フランスのテレビやラジオのニュースで取り上げられるトピックに … 続きを読む →

カテゴリー: cs.CL, eess.AS | Automatic Classification of News Subjects in Broadcast News: Application to a Gender Bias Representation Analysis はコメントを受け付けていません