SylNet: An Adaptable End-to-End Syllable Count Estimator for Speech

Publiceringsår

2019

Upphovspersoner

Seshadri, Shreyas; Räsänen, Okko

Organisationer och upphovspersoner

Tammerfors universitet

Räsänen Okko

Aalto-universitetet

Räsänen Okko

Seshadri Shreyas

Publikationstyp

Publikationsform

Artikel

Moderpublikationens typ

Tidning

Artikelstyp

En originalartikel

Målgrupp

Vetenskaplig

Kollegialt utvärderad

UKM:s publikationstyp

A1 Originalartikel i en vetenskaplig tidskrift

Publikationskanalens uppgifter

Journal

IEEE signal processing letters

Förläggare

IEEE

Volym

Nummer

Sidor

1359-1363

ISSN

1070-9908

Publikationsforum

57487

Publikationsforumsnivå

Öppen tillgång

Öppen tillgänglighet i förläggarens tjänst

Nej

Parallellsparad

Övriga uppgifter

Vetenskapsområden

Statistik; Data- och informationsvetenskap

Nyckelord

[object Object],[object Object],[object Object],[object Object],[object Object]

Förlagets internationalitet

Internationell

Språk

engelska

Internationell sampublikation

Nej

Sampublikation med ett företag

Nej

DOI

10.1109/LSP.2019.2929415