「eess.AS」カテゴリーアーカイブ

Audio Editing with Non-Rigid Text Prompts

投稿日: 2023年10月20日 作成者: jarxiv

要約 このペーパーでは、非固定テキスト編集によるオーディオ編集について検討します … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Audio Editing with Non-Rigid Text Prompts はコメントを受け付けていません

Voicebox: Text-Guided Multilingual Universal Speech Generation at Scale

投稿日: 2023年10月20日 作成者: jarxiv

要約 GPT や DALL-E などの大規模な生成モデルは、研究コミュニティに革 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Voicebox: Text-Guided Multilingual Universal Speech Generation at Scale はコメントを受け付けていません

EmoDiarize: Speaker Diarization and Emotion Identification from Speech Signals using Convolutional Neural Networks

投稿日: 2023年10月20日 作成者: jarxiv

要約 高度な人工知能と人間とコンピューターの対話の時代では、話し言葉で感情を識別 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | EmoDiarize: Speaker Diarization and Emotion Identification from Speech Signals using Convolutional Neural Networks はコメントを受け付けていません

Reinforcement Learning and Bandits for Speech and Language Processing: Tutorial, Review and Outlook

投稿日: 2023年10月20日 作成者: jarxiv

要約 近年、強化学習とバンディットは、ヘルスケア、金融、レコメンデーション シス … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Reinforcement Learning and Bandits for Speech and Language Processing: Tutorial, Review and Outlook はコメントを受け付けていません

MusicAgent: An AI Agent for Music Understanding and Generation with Large Language Models

投稿日: 2023年10月19日 作成者: jarxiv

要約 AI を活用した音楽処理は、生成タスク (音色合成など) から理解タスク … 続きを読む →

カテゴリー: cs.CL, cs.MM, eess.AS | MusicAgent: An AI Agent for Music Understanding and Generation with Large Language Models はコメントを受け付けていません

DASA: Difficulty-Aware Semantic Augmentation for Speaker Verification

投稿日: 2023年10月19日 作成者: jarxiv

要約 データ拡張は、ディープ ニューラル ネットワーク (DNN) モデルの汎化 … 続きを読む →

カテゴリー: cs.AI, eess.AS | DASA: Difficulty-Aware Semantic Augmentation for Speaker Verification はコメントを受け付けていません

Analysis and Detection of Pathological Voice using Glottal Source Features

投稿日: 2023年10月18日 作成者: jarxiv

要約 音声の病状を自動検出することで、客観的な評価と早期の診断介入が可能になりま … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS, eess.SP | Analysis and Detection of Pathological Voice using Glottal Source Features はコメントを受け付けていません

Wav2vec-based Detection and Severity Level Classification of Dysarthria from Speech

投稿日: 2023年10月18日 作成者: jarxiv

要約 音響音声信号から直接、構音障害を自動検出および重症度レベル分類することは、 … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS, eess.SP | Wav2vec-based Detection and Severity Level Classification of Dysarthria from Speech はコメントを受け付けていません

The Interpreter Understands Your Meaning: End-to-end Spoken Language Understanding Aided by Speech Translation

投稿日: 2023年10月18日 作成者: jarxiv

要約 エンドツーエンドの音声言語理解 (SLU) は、テキストと音声に関する現在 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | The Interpreter Understands Your Meaning: End-to-end Spoken Language Understanding Aided by Speech Translation はコメントを受け付けていません

Robust Wake-Up Word Detection by Two-stage Multi-resolution Ensembles

投稿日: 2023年10月18日 作成者: jarxiv

要約 音声ベースのインターフェイスは、ウェイクアップ ワード メカニズムに依存し … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Robust Wake-Up Word Detection by Two-stage Multi-resolution Ensembles はコメントを受け付けていません