「eess.AS」カテゴリーアーカイブ

SwinLip: An Efficient Visual Speech Encoder for Lip Reading Using Swin Transformer

投稿日: 2025年5月8日 作成者: jarxiv

要約 このペーパーでは、リップリーディング用の効率的な視覚音声エンコーダーを紹介 … 続きを読む →

カテゴリー: cs.CV, eess.AS | SwinLip: An Efficient Visual Speech Encoder for Lip Reading Using Swin Transformer はコメントを受け付けていません

EchoInk-R1: Exploring Audio-Visual Reasoning in Multimodal LLMs via Reinforcement Learning

投稿日: 2025年5月8日 作成者: jarxiv

要約 マルチモーダル大手言語モデル（MLLM）は、テキスト、ビジョン、オーディオ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.SD, eess.AS | EchoInk-R1: Exploring Audio-Visual Reasoning in Multimodal LLMs via Reinforcement Learning はコメントを受け付けていません

Applications of Artificial Intelligence for Cross-language Intelligibility Assessment of Dysarthric Speech

投稿日: 2025年5月7日 作成者: jarxiv

要約 目的：音声明瞭度は、ダイサルリアの評価と管理における重要な結果ですが、ほと … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Applications of Artificial Intelligence for Cross-language Intelligibility Assessment of Dysarthric Speech はコメントを受け付けていません

SepALM: Audio Language Models Are Error Correctors for Robust Speech Separation

投稿日: 2025年5月7日 作成者: jarxiv

要約 現代の音声分離技術は、長い混合オーディオ波形を巧みに処理しますが、騒々しい … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SepALM: Audio Language Models Are Error Correctors for Robust Speech Separation はコメントを受け付けていません

Bemba Speech Translation: Exploring a Low-Resource African Language

投稿日: 2025年5月6日 作成者: jarxiv

要約 本論文では、国際音声言語翻訳会議（IWSLT2025）の低リソース言語トラ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Bemba Speech Translation: Exploring a Low-Resource African Language はコメントを受け付けていません

Automatic Proficiency Assessment in L2 English Learners

投稿日: 2025年5月6日 作成者: jarxiv

要約 英語の第二言語能力（L2）は通常、英語の教師または専門家の評価者によって知 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Automatic Proficiency Assessment in L2 English Learners はコメントを受け付けていません

fastabx: A library for efficient computation of ABX discriminability

投稿日: 2025年5月6日 作成者: jarxiv

要約 ABX差別タスクを構築するための高性能PythonライブラリであるFast … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | fastabx: A library for efficient computation of ABX discriminability はコメントを受け付けていません

LLaMA-Omni2: LLM-based Real-time Spoken Chatbot with Autoregressive Streaming Speech Synthesis

投稿日: 2025年5月6日 作成者: jarxiv

要約 リアルタイムでインテリジェントかつ自然な音声対話は、次世代の人間とコンピュ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | LLaMA-Omni2: LLM-based Real-time Spoken Chatbot with Autoregressive Streaming Speech Synthesis はコメントを受け付けていません

FolAI: Synchronized Foley Sound Generation with Semantic and Temporal Alignment

投稿日: 2025年5月6日 作成者: jarxiv

要約 従来のサウンドデザインワークフローは、フォーリーサウンドデザインのように、 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | FolAI: Synchronized Foley Sound Generation with Semantic and Temporal Alignment はコメントを受け付けていません

How much to Dereverberate? Low-Latency Single-Channel Speech Enhancement in Distant Microphone Scenarios

投稿日: 2025年5月5日 作成者: jarxiv

要約 残響除去は、信号の明瞭度と品質を向上させる音声強調（SE）の重要なサブタス … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, I.5.1 | How much to Dereverberate? Low-Latency Single-Channel Speech Enhancement in Distant Microphone Scenarios はコメントを受け付けていません