Fugu-MT 論文翻訳(概要): asya: Mindful verbal communication using deep learning

論文の概要: asya: Mindful verbal communication using deep learning

arxiv url: http://arxiv.org/abs/2008.08965v1
Date: Thu, 20 Aug 2020 13:37:49 GMT
ステータス: 処理完了
システム内更新日: 2022-10-27 04:22:45.764286
Title: asya: Mindful verbal communication using deep learning
Title（参考訳）: asya: 深層学習を用いたマインドフル言語コミュニケーション
Authors: Evalds Urtans, Ariel Tabaks
Abstract要約: Asyaは、人間の声のスペクトルを分析するディープラーニングモデルで構成されるモバイルアプリケーションである。モデルは、カスタマーサービスの改善、営業効果のある会話、カップルセラピーなど、さまざまな分野に適用できる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: asya is a mobile application that consists of deep learning models which analyze spectra of a human voice and do noise detection, speaker diarization, gender detection, tempo estimation, and classification of emotions using only voice. All models are language agnostic and capable of running in real-time. Our speaker diarization models have accuracy over 95% on the test data set. These models can be applied for a variety of areas like customer service improvement, sales effective conversations, psychology and couples therapy.
Abstract（参考訳）: asyaは、人間の声のスペクトルを分析し、ノイズ検出、話者ダイアリゼーション、性別検出、テンポ推定、音声のみを使用して感情の分類を行うディープラーニングモデルで構成されるモバイルアプリケーションである。すべてのモデルは言語に依存しず、リアルタイムで実行できる。我々の話者ダイアリゼーションモデルは、テストデータセット上で95%以上の精度を持つ。これらのモデルは、カスタマーサービスの改善、営業効果のある会話、心理学、カップルセラピーなど、さまざまな分野に適用できる。

関連論文リスト

Evaluating Speaker Identity Coding in Self-supervised Models and Humans [0.42303492200814446]
話者のアイデンティティは、人間のコミュニケーションにおいて重要な役割を担い、社会的応用においてますます利用されている。本研究では, 話者識別において, 音響的表現よりも, 話者識別において, 異なる家族の自己指導的表現の方が有意に優れていることを示す。また、このような話者識別タスクは、これらの強力なネットワークの異なる層における音響情報表現の性質をよりよく理解するためにも利用できることを示す。
論文参考訳（メタデータ） (2024-06-14T20:07:21Z)
Sonos Voice Control Bias Assessment Dataset: A Methodology for Demographic Bias Assessment in Voice Assistants [10.227469020901232]
本稿ではSonos Voice Control Bias Assessmentデータセットを紹介する。 1,038人のスピーカー、166時間、170kのオーディオサンプル、9,040のユニークなラベル付き文字起こし。その結果、年齢、方言、民族によって統計的に有意な差が見られた。
論文参考訳（メタデータ） (2024-05-14T12:53:32Z)
Can Language Models Learn to Listen? [96.01685069483025]
本稿では,話者の言葉に基づく社会的対話における聞き手から適切な表情応答を生成するための枠組みを提案する。提案手法は,VQ-VAEを用いて定量化したリスナーの顔のジェスチャー列であるリスナーの応答を自己回帰的に予測する。生成したリスナーの動きは,定量的メトリクスと質的ユーザスタディを通じて,言語意味論に精通し,反映していることを示す。
論文参考訳（メタデータ） (2023-08-21T17:59:02Z)
Speaker Identification using Speech Recognition [0.0]
本研究は,音高,振幅,周波数などの人間の声質的特徴に基づいて,音声ファイル中の話者を識別するメカニズムを提供する。限られたデータセットで音声表現を学習できる教師なし学習モデルを提案した。
論文参考訳（メタデータ） (2022-05-29T13:03:42Z)
Self-Supervised Speech Representation Learning: A Review [105.1545308184483]
自己教師付き表現学習法は、幅広いタスクやドメインに利益をもたらす単一の普遍的モデルを約束する。音声表現学習は、生成的、コントラスト的、予測的という3つの主要なカテゴリで同様の進歩を経験している。本稿では,自己指導型音声表現学習のアプローチと,他の研究領域との関係について述べる。
論文参考訳（メタデータ） (2022-05-21T16:52:57Z)
Retrieving Speaker Information from Personalized Acoustic Models for Speech Recognition [5.1229352884025845]
本稿では,この話者に局所的に適応したニューラル音響モデルの重み行列変化を利用して,話者の性別を復元できることを示す。本稿では,この話者に局所的に適応したニューラル音響モデルの重み行列変化を利用するだけで,話者の性別を復元することができることを示す。
論文参考訳（メタデータ） (2021-11-07T22:17:52Z)
Perception Point: Identifying Critical Learning Periods in Speech for Bilingual Networks [58.24134321728942]
ディープニューラルベース視覚唇読解モデルにおける認知的側面を比較し,識別する。我々は、認知心理学におけるこれらの理論と独自のモデリングの間に強い相関関係を観察する。
論文参考訳（メタデータ） (2021-10-13T05:30:50Z)
Emotion Recognition of the Singing Voice: Toward a Real-Time Analysis Tool for Singers [0.0]
現在の計算感情研究は、感情が数学的に知覚される方法を分析するために音響特性を適用することに焦点を当てている。本稿は,関連する研究の知見を反映し,拡張し,この目標に向けての一歩を踏み出す。
論文参考訳（メタデータ） (2021-05-01T05:47:15Z)
Speaker Independent and Multilingual/Mixlingual Speech-Driven Talking Head Generation Using Phonetic Posteriorgrams [58.617181880383605]
そこで本研究では,音声後部グラフを用いた新しい手法を提案する。我々の手法は手作りの特徴を必要とせず、近年の手法に比べてノイズに強い。本モデルは,複数言語/混合言語音声を説得力のある入力としてサポートした最初のモデルである。
論文参考訳（メタデータ） (2020-06-20T16:32:43Z)
Universal Phone Recognition with a Multilingual Allophone System [135.2254086165086]
言語に依存しない音素分布と言語に依存しない音素分布の連成モデルを提案する。 11言語での多言語ASR実験では、このモデルにより2%の音素誤り率でテスト性能が向上することがわかった。我々の認識器は17%以上の精度向上を実現し、世界中のすべての言語で音声認識に一歩近づいた。
論文参考訳（メタデータ） (2020-02-26T21:28:57Z)
Towards Zero-shot Learning for Automatic Phonemic Transcription [82.9910512414173]
より難しい問題は、トレーニングデータをゼロにする言語のための音素変換器を構築することだ。我々のモデルは、トレーニングデータなしで、ターゲット言語で見知らぬ音素を認識できる。標準的な多言語モデルよりも平均して7.7%の音素誤り率を実現している。
論文参考訳（メタデータ） (2020-02-26T20:38:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。