「eess.AS」カテゴリーアーカイブ

Vibravox: A Dataset of French Speech Captured with Body-conduction Audio Sensors

投稿日: 2024年7月17日 作成者: jarxiv

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 →

カテゴリー: cs.LG, eess.AS | Vibravox: A Dataset of French Speech Captured with Body-conduction Audio Sensors はコメントを受け付けていません

MMSD-Net: Towards Multi-modal Stuttering Detection

投稿日: 2024年7月17日 作成者: jarxiv

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 →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | MMSD-Net: Towards Multi-modal Stuttering Detection はコメントを受け付けていません

Universal Sound Separation with Self-Supervised Audio Masked Autoencoder

投稿日: 2024年7月17日 作成者: jarxiv

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 →

カテゴリー: cs.AI, cs.SD, eess.AS | Universal Sound Separation with Self-Supervised Audio Masked Autoencoder はコメントを受け付けていません

DiarizationLM: Speaker Diarization Post-Processing with Large Language Models

投稿日: 2024年7月16日 作成者: jarxiv

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 →

カテゴリー: cs.LG, cs.SD, eess.AS | DiarizationLM: Speaker Diarization Post-Processing with Large Language Models はコメントを受け付けていません

Open-Source Conversational AI with SpeechBrain 1.0

投稿日: 2024年7月16日 作成者: jarxiv

要約 SpeechBrain は、PyTorch に基づくオープンソースの会話 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.HC, cs.LG, eess.AS | Open-Source Conversational AI with SpeechBrain 1.0 はコメントを受け付けていません

Qwen2-Audio Technical Report

投稿日: 2024年7月16日 作成者: jarxiv

要約 Qwen-Audio の最新の進歩を紹介します。Qwen2-Audio と … 続きを読む →

カテゴリー: cs.CL, cs.LG, eess.AS | Qwen2-Audio Technical Report はコメントを受け付けていません

Basic syntax from speech: Spontaneous concatenation in unsupervised deep neural networks

投稿日: 2024年7月15日 作成者: jarxiv

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 →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Basic syntax from speech: Spontaneous concatenation in unsupervised deep neural networks はコメントを受け付けていません

Pronunciation Assessment with Multi-modal Large Language Models

投稿日: 2024年7月15日 作成者: jarxiv

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 →

カテゴリー: cs.CL, eess.AS | Pronunciation Assessment with Multi-modal Large Language Models はコメントを受け付けていません

From Real to Cloned Singer Identification

投稿日: 2024年7月12日 作成者: jarxiv

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 →

カテゴリー: cs.IR, cs.LG, cs.SD, eess.AS | From Real to Cloned Singer Identification 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7月12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