【誰もが便利さを享受するために...】whisperを利用した構音障害者音声の話者適応
【誰もが便利さを享受するために...】whisperを利用した構音障害 ...
Speech Recognition for the Dysarthric
記事一覧
【常識を覆す音声処理モデル！？】Microsoft社が開発する音声処理モデル”SpeechT5”の驚くべき性能とは
【常識を覆す音声処理モデル！？】Microsoft社が開発する音声処理 ...
Sound
【こんなところにwav2vec2を使うのっ！？】構音障害音声の特徴量抽出がより効率的になるんです
【こんなところにwav2vec2を使うのっ！？】構音障害音声の特徴量抽 ...
Speech Recognition for the Dysarthric
【超絶無理難題級の分類タスク！？】WHFEMDアルゴリズムで構音障害音声の特長を正確かつ効率的に捉え分類せよ
【超絶無理難題級の分類タスク！？】WHFEMDアルゴリズムで構音障害音 ...
Speech Recognition for the Dysarthric
【いままでの常識を覆す論文！？】構音障害者の特性じゃなく、ノイズで分類わけされていた！
【いままでの常識を覆す論文！？】構音障害者の特性じゃなく、ノイズで分類 ...
Speech Recognition for the Dysarthric
【便利さの享受は平等であれ！】構音障害者音声コーパス”EasyCallコーパス”
【便利さの享受は平等であれ！】構音障害者音声コーパス”EasyCall ...
Speech Recognition for the Dysarthric
【”あたりまえ”を疑え！】超低複雑性DNNを用いたノイズ抑圧
【”あたりまえ”を疑え！】超低複雑性DNNを用いたノイズ抑圧
NOISE SUPPRESSION
LLMでドメイン汎化のための学習データを作る
LLMでドメイン汎化のための学習データを作る
Dataset Synthesis with LLM
LLMエージェントが35%の確率で顧客を購買に誘導することに成功！
LLMエージェントが35%の確率で顧客を購買に誘導することに成功！
ChatGPT
【誰でも英語が話せる時代到来！？】多言語に対応したゼロショット音声合成技術により、誰でも簡単にネイティブ並みの発音を！
【誰でも英語が話せる時代到来！？】多言語に対応したゼロショット音声合成 ...
Speech Recognition for the Dysarthric
戦略的知識を統合する新たなプロンプト手法、SCoT(Strategic Chain-of-Thought)が登場！
戦略的知識を統合する新たなプロンプト手法、SCoT(Strategic ...
Chain-of-Thought
LLMの弱点を暴く「TruthEval」データセットの構築と分析
LLMの弱点を暴く「TruthEval」データセットの構築と分析
Large language models
MVANet: 背景削除の最強モデル
MVANet: 背景削除の最強モデル
Neural Network
大規模言語モデルのスポーツの理解力を測る新データセット「SportQA」
大規模言語モデルのスポーツの理解力を測る新データセット「SportQA ...
Large language models
CLAP-IPA: 音声とIPA列の対照学習による多言語音声表現の獲得
CLAP-IPA: 音声とIPA列の対照学習による多言語音声表現の獲得
natural language processing
【愛犬も話したZero-shot Learning】AI音声クローンとリップシンキングの検証と解説
【愛犬も話したZero-shot Learning】AI音声クローンと ...
Neural Network
スポーツベッティングにおけるサッカーの試合予測に挑む機械学習モデル
スポーツベッティングにおけるサッカーの試合予測に挑む機械学習モデル
Sports Analytics
人間の好みに基づく、AIアシスタントの新たな評価方法の提案
人間の好みに基づく、AIアシスタントの新たな評価方法の提案
Large language models
Wavelet Diffusion: 最高速の拡散モデル
Wavelet Diffusion: 最高速の拡散モデル
Image generation
ChatGPTによる顔認証の精度と透明性の向上、ソフトバイオメトリクスの新展開
ChatGPTによる顔認証の精度と透明性の向上、ソフトバイオメトリクス ...
Large language models
【RL-GPT】 Mincraftで通常の数倍の速さでダイヤモンドを取得するフレームワークが登場
【RL-GPT】 Mincraftで通常の数倍の速さでダイヤモンドを取 ...
機械学習
MBTIを用いてLLMに人間の性格を評価させるフレームワークが登場！
MBTIを用いてLLMに人間の性格を評価させるフレームワークが登場！
ChatGPT
マスク R-CNN：画像内のオブジェクトを効率的に検出する
マスク R-CNN：画像内のオブジェクトを効率的に検出する
Computer Vision
グラフってこんなにすごい！深層学習との融合をレビュー
グラフってこんなにすごい！深層学習との融合をレビュー
GNN
言葉で心を癒す、精神保健ケアにおける大規模言語モデルの可能性
言葉で心を癒す、精神保健ケアにおける大規模言語モデルの可能性
Large language models
【開発者必見】活性化関数の最新包括的レビュー！
【開発者必見】活性化関数の最新包括的レビュー！
survey
戦略的知識を統合する新たなプロンプト手法、SCoT(Strategic Chain-of-Thought)が登場！
戦略的知識を統合する新たなプロンプト手法、SCoT(Strategic ...
Chain-of-Thought
MaskDiT: 画像生成向けた低学習コストの拡散モデル
MaskDiT: 画像生成向けた低学習コストの拡散モデル
Image generation
お手軽！高精度！異常検知モデルPatchCoreの魅力
お手軽！高精度！異常検知モデルPatchCoreの魅力
Object Detection
フェイクニュースの検出に初めてLLMを活用したフレームワークが登場！
フェイクニュースの検出に初めてLLMを活用したフレームワークが登場！
fakenews
【常識を覆す音声処理モデル！？】Microsoft社が開発する音声処理モデル”SpeechT5”の驚くべき性能とは
【常識を覆す音声処理モデル！？】Microsoft社が開発する音声処理 ...
Sound
LLMエージェントが35%の確率で顧客を購買に誘導することに成功！
LLMエージェントが35%の確率で顧客を購買に誘導することに成功！
ChatGPT
