「eess.AS」カテゴリーアーカイブ

VMAS: Video-to-Music Generation via Semantic Alignment in Web Music Videos

投稿日: 2024年9月12日 作成者: jarxiv

要約 ビデオ入力から BGM を生成する方法を学習するためのフレームワークを紹介 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | VMAS: Video-to-Music Generation via Semantic Alignment in Web Music Videos はコメントを受け付けていません

Spectral oversubtraction? An approach for speech enhancement after robot ego speech filtering in semi-real-time

投稿日: 2024年9月11日 作成者: jarxiv

要約 スペクトル減算は、その単純さから広く使用されており、ロボットの発話時のシン … 続きを読む →

カテゴリー: 68T50, cs.RO, cs.SD, eess.AS | Spectral oversubtraction? An approach for speech enhancement after robot ego speech filtering in semi-real-time はコメントを受け付けていません

Soft Acoustic Curvature Sensor: Design and Development

投稿日: 2024年9月11日 作成者: jarxiv

要約 この論文では、新しい Soft Acoustic Curvature (S … 続きを読む →

カテゴリー: cs.RO, cs.SD, eess.AS | Soft Acoustic Curvature Sensor: Design and Development はコメントを受け付けていません

Human-mimetic binaural ear design and sound source direction estimation for task realization of musculoskeletal humanoids

投稿日: 2024年9月11日 作成者: jarxiv

要約 筋骨格ヒューマノイドによる人間に似た環境認識は、実際の複雑な環境でのタスク … 続きを読む →

カテゴリー: cs.RO, cs.SD, eess.AS | Human-mimetic binaural ear design and sound source direction estimation for task realization of musculoskeletal humanoids はコメントを受け付けていません

Advancing Topic Segmentation of Broadcasted Speech with Multilingual Semantic Embeddings

投稿日: 2024年9月11日 作成者: jarxiv

要約 音声ベースのトピック セグメンテーションの最近の進歩により、事前トレーニン … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Advancing Topic Segmentation of Broadcasted Speech with Multilingual Semantic Embeddings はコメントを受け付けていません

Enhancing Temporal Understanding in Audio Question Answering for Large Audio Language Models

投稿日: 2024年9月11日 作成者: jarxiv

要約 音声質問応答タスクには、音声イベント分類、音声キャプション、およびオープン … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Enhancing Temporal Understanding in Audio Question Answering for Large Audio Language Models はコメントを受け付けていません

SpeechTaxi: On Multilingual Semantic Speech Classification

投稿日: 2024年9月11日 作成者: jarxiv

要約 多言語音声符号化および文字起こしにおける最近の進歩により、意味論的音声分類 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SpeechTaxi: On Multilingual Semantic Speech Classification はコメントを受け付けていません

LAST: Language Model Aware Speech Tokenization

投稿日: 2024年9月11日 作成者: jarxiv

要約 音声トークン化は音声言語モデル (LM) の基礎として機能し、音声言語モデ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | LAST: Language Model Aware Speech Tokenization はコメントを受け付けていません

Sortformer: Seamless Integration of Speaker Diarization and ASR by Bridging Timestamps and Tokens

投稿日: 2024年9月11日 作成者: jarxiv

要約 私たちは、既存のエンドツーエンドのダイアライゼーション モデルと比較して型 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Sortformer: Seamless Integration of Speaker Diarization and ASR by Bridging Timestamps and Tokens はコメントを受け付けていません

An Effective Context-Balanced Adaptation Approach for Long-Tailed Speech Recognition

投稿日: 2024年9月11日 作成者: jarxiv

要約 エンドツーエンド (E2E) 自動音声認識 (ASR) モデルは、さまざま … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | An Effective Context-Balanced Adaptation Approach for Long-Tailed Speech Recognition はコメントを受け付けていません