141 papers
ImKWS is een nieuwe testtijd-adaptatiemethode voor het herkennen van sleutelwoorden in geluid die, door het splitsen van het entropie-minimalisatieproces in een belonings- en een strafvertakking, de prestaties verbetert in scenario's met een sterke onbalans tussen zeldzame sleutelwoorden en frequente achtergrondgeluiden.
Dit paper introduceert JHCodec, een zelftoezichtende neural audio codec die gebruikmaakt van een representatie-reconstructieverlies om spraakintelligibiliteit en real-time prestaties te verbeteren zonder extra lookahead, terwijl het tegelijkertijd de trainingskosten verlaagt.
Dit artikel introduceert een trainingsvrije, post-hoc methode die gebruikmaakt van activatiesturing om bij zero-shot tekst-naar-spraak de accenten van een referentiespreker te neutraliseren terwijl de stemtimbre behouden blijft.
Dit paper introduceert StreamVoiceAnon+, een methode voor streaming sprekeranonymisatie die door middel van gefinietuned neural audio codec-modellen en frame-level emotionele distillatie de emotionele inhoud behoudt zonder vertraging toe te voegen, terwijl de privacy en verstaanbaarheid worden gewaarborgd.
Dit paper introduceert Whisper-CD, een trainingsvrij contrastief decoderingsframework dat hallucinaties en herhalingslussen in lange spraaktranscripties effectief reduceert door logit-vergelijkingen met meervoudige negatieve perturbaties toe te passen tijdens de inferentie.
Deze studie toont aan dat hoewel spraakmodellen met Low-Rank Adaptation (LoRA) aanvankelijk goed kunnen worden aangepast aan Pacific Indigenous-talen, ze worstelen met catastrofale vergeetachtigheid bij sequentieel leren, wat de noodzaak benadrukt van robuuste strategieën om het plasticiteit-stabiliteitsdilemma op te lossen.
Deze studie toont aan dat hoewel bepaalde spraakkarakteristieken van autisme zich over verschillende talen (Fins, Frans en Slowaaks) laten generaliseren, robuuste cross-linguale classificatie vereist dat er rekening wordt gehouden met taal-specifieke nuances en opnamecondities.
Deze studie toont aan dat autisme gekenmerkt wordt door een complex, taaloverstijgend prosodisch profiel dat zich uit in variatie in intensiteit en een heldere stemkwaliteit, in plaats van een tekort, wat de noodzaak onderstreept om deze akoestische kenmerken naast traditionele toonhoogtemetingen te onderzoeken.
Dit paper introduceert een robuust, open-source cascade-systeem dat EEND-VC voor spreker-diarisatie en een aangepaste Qwen3 ASR-modellen combineert om medische aandoeningen uit overlappende Hinglish-gesprekken te extraheren, waarmee het de eerste plaats behaalde in de DISPLACE-M-uitdaging.
Dit artikel presenteert een gemeenschapsgeoriënteerde aanpak voor het ontwikkelen van multi-perspectief AI-tools ter verbetering van de politie- en overheidsverantwoording, geïllustreerd aan de hand van een multidisciplinair onderzoek naar het analyseren van bodycam-beelden van verkeerscontroles door de politie van Los Angeles.
Deze paper biedt het eerste systematische overzicht van Audio-Taalmodellen (ALM's) die op gekoppelde audio-tekstdata zijn getraind, en presenteert een uitgebreide taxonomie, een analyse van de onderzoekslandschap en een overzicht van de huidige ontwikkelingen, beperkingen en toekomstperspectieven voor toepassingen in spraak, muziek en geluid.
Deze paper introduceert een lichtgewicht methode voor tekst-only adaptatie van LLM-gebaseerde spraakherkenningssystemen die het probleem omzet in een tekstontstoorningsopdracht, waardoor de modelprestaties op nieuwe domeinen aanzienlijk verbeteren zonder de cruciale kruismodaal uitlijning te verstoren.
Dit artikel toont aan dat zelftoezichtsspraakmodellen spraak coderen via interpreteerbare en compositionalle fonologische vectoren die lineaire rekenkundige relaties tussen fonemen mogelijk maken.
Dit artikel introduceert V2A-DPO, een innovatief Direct Preference Optimization-framework dat specifiek is ontworpen voor flow-based video-naar-audio-generatiemodellen en middels drie kerninnovaties, waaronder een menselijke voorkeur-georiënteerde AudioScore, state-of-the-art prestaties bereikt die de bestaande methoden overtreffen.
Dit onderzoek toont aan dat een op tekst getrainde Large Language Model (LLM) kan worden ingezet om valse woorden in gedeeltelijk vervalste spraak te lokaliseren via next-token predictie, maar waarschuwt dat het model overmatig afhankelijk is van specifieke bewerkingspatronen uit de trainingsdata, wat de generalisatie naar onbekende bewerkingsstijlen beperkt.
Dit artikel presenteert een effectieve aanpak voor automatische tuberculosescreening waarbij een op XLS-R gebaseerd model, dat slechts de eerste drie lagen van het netwerk gebruikt, nauwkeurige hoestsegmenten detecteert en hierdoor de prestaties verbetert ten opzichte van bestaande methoden, wat de haalbaarheid van smartphone-applicaties ondersteunt.
Deze paper introduceert zelf-speculatieve decoding voor spraakherkenning, waarbij een CTC-encoder als draft-model fungeert om de auto-regressieve inferentie van spraakbewuste LLM's te versnellen en tegelijkertijd de woordfoutpercentages te verlagen.
Dit paper introduceert Fair-Gate, een interpreteerbaar framework dat de prestatiekloof tussen geslachten in stembiometrie verkleint door demografische shortcuts en feature-entanglement aan te pakken via risicoverlaging en een lokaal complementair gate-mechanisme dat kenmerken expliciet routeert naar identiteits- en geslachtsgebonden paden.
Dit artikel beschrijft hoe door middel van voortgezette pretraining op ongelabelde audio en pseudo-labels, een state-of-the-art prestatie van 3,24% woordfoutpercentage wordt bereikt voor Swahili-spraakherkenning met slechts 20.000 gelabelde voorbeelden, wat een aanzienlijke verbetering is ten opzichte van eerdere systemen.
Deze paper introduceert AnimeScore, een voorkeursgebaseerd framework dat 15.000 paarwijze beoordelingen en SSL-modellen gebruikt om een objectieve maatstaf te bieden voor het evalueren van 'anime-achtige' stemmen, waarbij wordt aangetoond dat deze stijl wordt bepaald door geresoneerde klankvorming en prosodie in plaats van alleen een hoge toonhoogte.