「eess.AS」カテゴリーアーカイブ

DiarizationLM: Speaker Diarization Post-Processing with Large Language Models

投稿日: 2024年6月27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

MSR-86K: An Evolving, Multilingual Corpus with 86,300 Hours of Transcribed Audio for Speech Recognition Research

投稿日: 2024年6月27日 作成者: jarxiv

要約 最近では、ChatGPT に代表される多言語人工知能アシスタントが非常に人 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | MSR-86K: An Evolving, Multilingual Corpus with 86,300 Hours of Transcribed Audio for Speech Recognition Research はコメントを受け付けていません

Advancing Airport Tower Command Recognition: Integrating Squeeze-and-Excitation and Broadcasted Residual Learning

投稿日: 2024年6月27日 作成者: jarxiv

要約 パイロットは航空交通管制の指示に正確に従わなければならないため、航空コマン … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Advancing Airport Tower Command Recognition: Integrating Squeeze-and-Excitation and Broadcasted Residual Learning はコメントを受け付けていません

Dynamic Data Pruning for Automatic Speech Recognition

投稿日: 2024年6月27日 作成者: jarxiv

要約 自動音声認識 (ASR) の最近の成功は、増え続けるトレーニング データの … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Dynamic Data Pruning for Automatic Speech Recognition はコメントを受け付けていません

On the Impact of Voice Anonymization on Speech Diagnostic Applications: a Case Study on COVID-19 Detection

投稿日: 2024年6月27日 作成者: jarxiv

要約 深層学習の進歩に伴い、パーソナル アシスタント、感情コンピューティング、遠 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | On the Impact of Voice Anonymization on Speech Diagnostic Applications: a Case Study on COVID-19 Detection はコメントを受け付けていません

AND: Audio Network Dissection for Interpreting Deep Acoustic Models

投稿日: 2024年6月27日 作成者: jarxiv

要約 ニューロンレベルの解釈は、特定の知覚または構造入力パターンに応答するニュー … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | AND: Audio Network Dissection for Interpreting Deep Acoustic Models はコメントを受け付けていません

WhaleNet: a Novel Deep Learning Architecture for Marine Mammals Vocalizations on Watkins Marine Mammal Sound Database

投稿日: 2024年6月27日 作成者: jarxiv

要約 海洋哺乳類のコミュニケーションは複雑な分野であり、発声の多様性や環境要因に … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.SD, eess.AS, eess.SP | WhaleNet: a Novel Deep Learning Architecture for Marine Mammals Vocalizations on Watkins Marine Mammal Sound Database はコメントを受け付けていません

Towards Building an End-to-End Multilingual Automatic Lyrics Transcription Model

投稿日: 2024年6月26日 作成者: jarxiv

要約 多言語の自動歌詞転写 (ALT) は、多言語の自動音声認識と比較して、利用 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Towards Building an End-to-End Multilingual Automatic Lyrics Transcription Model はコメントを受け付けていません

This Paper Had the Smartest Reviewers — Flattery Detection Utilising an Audio-Textual Transformer-Based Approach

投稿日: 2024年6月26日 作成者: jarxiv

要約 お世辞は人間のコミュニケーションの重要な側面であり、戦略的な褒め言葉や賞賛 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | This Paper Had the Smartest Reviewers — Flattery Detection Utilising an Audio-Textual Transformer-Based Approach はコメントを受け付けていません

Discrete Multimodal Transformers with a Pretrained Large Language Model for Mixed-Supervision Speech Processing

投稿日: 2024年6月26日 作成者: jarxiv

要約 離散音声トークン化に関する最近の研究により、音声認識、テキストから音声への … 続きを読む →

カテゴリー: cs.CL, cs.LG, eess.AS | Discrete Multimodal Transformers with a Pretrained Large Language Model for Mixed-Supervision Speech Processing はコメントを受け付けていません