-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
「eess.AS」カテゴリーアーカイブ
Vibravox: A Dataset of French Speech Captured with Body-conduction Audio Sensors
要約 Vibravox は、一般データ保護規則 (GDPR) に準拠したデータセ … 続きを読む
MMSD-Net: Towards Multi-modal Stuttering Detection
要約 吃音は、音声生成の不規則な中断によって引き起こされる一般的な音声障害であり … 続きを読む
Universal Sound Separation with Self-Supervised Audio Masked Autoencoder
要約 ユニバーサル サウンド セパレーション (USS) は、任意の音源の混合物 … 続きを読む
DiarizationLM: Speaker Diarization Post-Processing with Large Language Models
要約 このペーパーでは、大規模言語モデル (LLM) を利用して話者ダイアライゼ … 続きを読む
Open-Source Conversational AI with SpeechBrain 1.0
要約 SpeechBrain は、PyTorch に基づくオープンソースの会話 … 続きを読む
Qwen2-Audio Technical Report
要約 Qwen-Audio の最新の進歩を紹介します。Qwen2-Audio と … 続きを読む
Basic syntax from speech: Spontaneous concatenation in unsupervised deep neural networks
要約 構文の計算モデルは主にテキストベースです。 ここで、最も基本的な構文操作は … 続きを読む
Pronunciation Assessment with Multi-modal Large Language Models
要約 大規模言語モデル (LLM) は、強力な会話能力で知られ、教育分野、特に言 … 続きを読む
From Real to Cloned Singer Identification
要約 人気歌手のクローン音声はますますリアルに聞こえ、ここ数年で人気が高まってい … 続きを読む
SummaryMixing: A Linear-Complexity Alternative to Self-Attention for Speech Recognition and Understanding
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