141 papers
Deze paper introduceert RA-QA, een nieuw benchmark-systeem met 9 miljoen vraag-antwoordparen en een gestandaardiseerde evaluatieprotocol om de robuustheid van multimodale AI-modellen voor respiratoire audio-diagnose te testen onder realistische, heterogene omstandigheden.
Aurchestra is het eerste systeem dat op beperkte hearables real-time fijnmazige controle biedt over individuele geluidsklassen in een omgeving, waardoor gebruikers hun geluidswaarneming kunnen aanpassen alsof ze een audio-engineer zijn.
Dit artikel introduceert VoxKnesset, een open-access dataset van ongeveer 2.300 uur Hebreeuwse parlementaire spraak over een periode van 16 jaar, die wordt gebruikt om de uitdagingen van veroudering in stemherkenning en -verificatie te onderzoeken en de noodzaak van longitudinale modellen te onderstrepen.
Dit paper beschrijft de DISPLACE-M-uitdaging, een benchmark voor conversatie-AI in medische contexten die een dataset en basissystemen introduceert voor taken zoals sprekerdiarisis, spraakherkenning, onderwerpidentificatie en dialogsamenvatting.
Dit artikel introduceert het PARLO Dementia Corpus, een nieuw publiek beschikbaar, multi-center Duits dataset met spraakopnames, transcripties en klinische metadata van patiënten met Alzheimer en gezonde controles, dat dient als eerste benchmark voor onderzoek naar niet-invasieve, spraakgebaseerde detectie van cognitieve stoornissen.
Deze paper introduceert en valideert een nieuwe hybride poolingstrategie die relatieve afwijkingen benadrukt, waardoor training-vrije detectie van abnormale geluiden met zelf-superviserende audio-embeddings aanzienlijk verbetert en de state-of-the-art prestaties op meerdere benchmarks, inclusief DCASE2025, bereikt.
Dit paper introduceert een nieuwe aanpak voor gelijktijdige opname van real-time MRI, EEG en oppervlakte-EMG tijdens spraakproductie, inclusief een op maat gemaakt proces voor het onderdrukken van artefacten, om inzicht te krijgen in de neurale en motorische processen van spraak.
Dit onderzoek presenteert een compacte, trainingsvrije set akoestische parameters die niet alleen concurrerend presteert bij het detecteren van stemtimbre-kenmerken, maar ook superieur is aan traditionele methoden en diepe neurale netwerken door zijn hoge rekenefficiëntie en expliciete fysieke interpreteerbaarheid.
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 BabAR, een cross-linguale systeem voor automatische fonemherkenning bij jonge kinderen dat is getraind op de uitgebreide TinyVox-corpus en waarvan wordt aangetoond dat het effectief is voor grootschalige, ontwikkelingsgerichte analyses van spraakproductie.
Deze paper introduceert VI-NBFNet, een nieuw audiovisueel systeem dat lipbewegingen en een aandachtmechanisme combineert om spraakverbetering in complexe omstandigheden met meerdere sprekers en ruis aanzienlijk te verbeteren.
Dit onderzoek presenteert BoostedTSV-M, een nieuw model-merging-algoritme dat de prestaties van volledige fine-tuning voor meerdomein-ASR in het Europees Portugees overtreft terwijl het tegelijkertijd de generalisatie voor buiten-de-verdeling-data 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.
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.
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 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 paper introduceert SemKey, een nieuw raamwerk dat EEG-signalen naar tekst vertaalt door hallucinaties te voorkomen en semantische nauwkeurigheid te waarborgen via gedecoupeerde semantische doelen en een herontworpen interactie tussen neurale encoders en grote taalmodellen, terwijl het de beperkingen van de BLEU-metriek omzeilt door robuustere evaluatiemethoden te gebruiken.
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.