163 papers
Dit paper introduceert een training-dynamica-georiënteerde multi-factor curriculumleerstrategie, ondersteund door het TSE-Datamap-visualisatiekader, om de prestaties van doel-sprekerextractie in complexe multi-sprekerscenario's te verbeteren door leerprocessen te baseren op daadwerkelijke modelgedrag in plaats van vooraf gedefinieerde aannames.
Dit paper introduceert TW-Sound580K, een regionaal audio-taaldataset voor het Taiwanees dialect dat via een strikt verificatieproces is samengesteld en de prestaties van lokale audio-taalmodellen aanzienlijk verbetert, zoals aangetoond door het Tai-LALM-model dat een nieuwe prestatie op de TAU-benchmark bereikt.
Dit artikel introduceert PolyBench, een nieuwe benchmark die de beperkte prestaties van hedendaagse grote audio-taalmodellen blootlegt bij het redeneren over composities van meerdere geluidseventen in polyfone audio.
Dit artikel introduceert ASR-TRA, een nieuw testtijd-aanpassingskader dat gebruikmaakt van versterkingslering met audio-taal semantische beloningen om de robuustheid van spraakherkenningssystemen te verbeteren in uitdagende real-world omstandigheden zonder grondwahrheidlabels.
SarcasmMiner is een versterkingsleringsframework voor post-training dat door middel van een dubbel-track distillatiestrategie en een generatieve beloningsmodel de robuustheid van audio-visuele sarcasme-herkenning verbetert door pragmatische incongruïteit op te lossen en hallucinaties te voorkomen.
In dit artikel wordt WavSLM voorgesteld, een spraaktaalmodel dat via distillatie van WavLM-representaties in een enkele codebook wordt getraind om semantische en akoestische informatie zonder tekstsupervisie in één tokenstroom te modelleren, waardoor het een schaalbaar en coherent generatief paradigma voor spraak mogelijk maakt.
Het paper introduceert SLICE, een methode die de prestaties van spraakverbetering bij gecombineerde vervormingen verbetert door degradatie-informatie via een vooraf getrainde encoder op alle lagen in te voegen in plaats van alleen bij de invoer, wat resulteert in superieure resultaten vergeleken met eerdere benaderingen.
Latent-Mark is een nieuw nul-bits audio-watermerksysteem dat door het inbedden van watermerken in de invariante latente ruimte van neurale codecs en het toepassen van cross-codec optimalisatie, robuust is tegen neurale hersynthese terwijl het de hoorbaarheid behoudt.
Dit artikel introduceert MSpoof-TTS, een trainingsvrij raamwerk dat de kwaliteit van discrete spraaksynthese verbetert door een hiërarchische decoderingsstrategie te gebruiken die multi-resolutie spoof-detectie toepast om onnatuurlijke tokenpatronen te identificeren en te elimineren zonder de modelparameters aan te passen.
Dit technische tutorial presenteert een architectuur voor enterprise-grade realtime spraakagenten die, in plaats van trage native spraak-naar-spraak-modellen, een gestreamde cascade van STT, LLM en TTS-componenten combineert om een tijd tot eerste audio van minder dan een seconde te bereiken.
Deze paper introduceert een onzekerheidsbewust, probabilistisch raamwerk voor spraakscheiding en -verbetering dat een neurale netwerkarchitectuur met vroegtijdige exits mogelijk maakt, waardoor de rekenefficiëntie op heterogene apparaten dynamisch kan worden aangepast zonder in te leveren op de reconstructiekwaliteit.
Deze paper introduceert MeanFlowSE, een efficiënt generatief model voor spraakverbetering dat door het leren van gemiddelde snelheden over eindige intervallen één-staps inferentie mogelijk maakt, waardoor de rekentijd aanzienlijk wordt verlaagd ten opzichte van traditionele multistep-methoden zonder in te leveren op kwaliteit.
Dit paper introduceert LadderSym, een multimodaal Transformer-model dat de prestaties van foutdetectie in muziekpraktijk aanzienlijk verbetert door late fusie te vervangen door een tweestromen-encoder met inter-stream uitlijning en het gebruik van symbolische notaties als decoder-prompten om ambiguïteit te verminderen.
Dit onderzoek toont aan dat er een sterke positieve correlatie bestaat tussen de prestaties van audio-modellen in downstream-taken en hun mate van overeenkomst met hersenactiviteit, wat suggereert dat hersenachtige representaties een emergent bijproduct zijn van het leren van het reconstrueren van natuurlijke audio-gegevens.
Dit paper introduceert OASI, een methode voor multi-objectieve Bayesiaanse optimalisatie die surrogate-modellen initialiseert met Pareto-biasseerde oplossingen om memory-feasible keyword-spotting-modellen voor TinyML-apparaten efficiënter te vinden dan bestaande methoden.
Dit artikel introduceert CMI-RewardBench, een uitgebreid ecosysteem met datasets en benchmarks voor het evalueren van beloningsmodellen voor muziekgeneratie onder compositional multimodal instruction, wat leidt tot nauwkeurige modellen die sterk correleren met menselijke beoordelingen en effectieve inferentie-schaling mogelijk maken.
Dit artikel introduceert SMMA, een volledig geautomatiseerd framework dat diep leren en skeletgebaseerde kwantificering combineert om de dikte van de geniohyoïde-spier tijdens spraak nauwkeurig te meten, waardoor grootschalige studies naar spraakmotoriek en stoornissen mogelijk worden zonder handmatige annotatie.
Dit paper introduceert ACES, een representatiegerichte audit die accent-discriminerende subruimtes in ASR-systemen onthult en aantoont dat deze subruimtes waardevolle diagnostische hulpmiddelen zijn voor het begrijpen van prestatiekloven, maar geen eenvoudige oplossing bieden voor het elimineren van onrechtvaardigheid door ze te verwijderen.
Dit technische rapport beschrijft het CP-JKU-team's multi-stadia systeem voor de ICASSP 2025 Music Source Restoration Challenge, dat een BandSplit-RoFormer-scheider en een HiFi++ GAN-hersteller combineert om gemixte audio te herstellen naar originele instrumentstems.
Het paper introduceert FastWave, een geoptimaliseerd diffusion-model voor audiosuperresolutie dat, ondanks een aanzienlijk lager rekenvermogen en minder parameters dan bestaande methoden, betere resultaten boekt dan NU-Wave 2 en vergelijkbaar is met de state-of-the-art.