Buchumschlag

Audio Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Verma, Prateek, Berger, Jonathan
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Sound Artificial Intelligence Machine Learning Multimedia Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Diverse Audio Embeddings -- Bringing Features Back Outperforms CLAP!
von: Verma, Prateek
Veröffentlicht: (2023)

Content Adaptive Front End For Audio Classification
von: Verma, Prateek, et al.
Veröffentlicht: (2023)

Neural Style Transfer for Audio Spectograms
von: Verma, Prateek, et al.
Veröffentlicht: (2018)

Generative AI for Music and Audio
von: Dong, Hao-Wen
Veröffentlicht: (2024)

Jailbreak-AudioBench: In-Depth Evaluation and Analysis of Jailbreak Threats for Large Audio Language Models
von: Cheng, Hao, et al.
Veröffentlicht: (2025)

Fast Text-to-Audio Generation with Adversarial Post-Training
von: Novack, Zachary, et al.
Veröffentlicht: (2025)

LauraGPT: Listen, Attend, Understand, and Regenerate Audio with GPT
von: Du, Zhihao, et al.
Veröffentlicht: (2023)

Challenge on Sound Scene Synthesis: Evaluating Text-to-Audio Generation
von: Lee, Junwon, et al.
Veröffentlicht: (2024)

Do Audio-Visual Segmentation Models Truly Segment Sounding Objects?
von: Li, Jia, et al.
Veröffentlicht: (2025)

SpeakerLLM: A Speaker-Specialized Audio-LLM for Speaker Understanding and Verification Reasoning
von: Nam, KiHyun, et al.
Veröffentlicht: (2026)

From Discord to Harmony: Decomposed Consonance-based Training for Improved Audio Chord Estimation
von: Poltronieri, Andrea, et al.
Veröffentlicht: (2025)

Understanding Pedestrian Movement Using Urban Sensing Technologies: The Promise of Audio-based Sensors
von: Han, Chaeyeon, et al.
Veröffentlicht: (2024)

DOA-Aware Audio-Visual Self-Supervised Learning for Sound Event Localization and Detection
von: Fujita, Yoto, et al.
Veröffentlicht: (2024)

Purification Before Fusion: Toward Mask-Free Speech Enhancement for Robust Audio-Visual Speech Recognition
von: Wu, Linzhi, et al.
Veröffentlicht: (2026)

Thinking While Listening: Simple Test Time Scaling For Audio Classification
von: Verma, Prateek, et al.
Veröffentlicht: (2025)

MusRec: Zero-Shot Text-to-Music Editing via Rectified Flow and Diffusion Transformers
von: Boudaghi, Ali, et al.
Veröffentlicht: (2025)

FastAST: Accelerating Audio Spectrogram Transformer via Token Merging and Cross-Model Knowledge Distillation
von: Behera, Swarup Ranjan, et al.
Veröffentlicht: (2024)

AudioRole: An Audio Dataset for Character Role-Playing in Large Language Models
von: Li, Wenyu, et al.
Veröffentlicht: (2025)

Language Model Based Text-to-Audio Generation: Anti-Causally Aligned Collaborative Residual Transformers
von: Wang, Juncheng, et al.
Veröffentlicht: (2025)

Audio-Reasoner: Improving Reasoning Capability in Large Audio Language Models
von: Xie, Zhifei, et al.
Veröffentlicht: (2025)

OmniCustom: Sync Audio-Video Customization Via Joint Audio-Video Generation Model
von: Li, Maomao, et al.
Veröffentlicht: (2026)

FreeAudio: Training-Free Timing Planning for Controllable Long-Form Text-to-Audio Generation
von: Jiang, Yuxuan, et al.
Veröffentlicht: (2025)

Whisper-GPT: A Hybrid Representation Audio Large Language Model
von: Verma, Prateek
Veröffentlicht: (2024)

Retrieval-Augmented Text-to-Audio Generation
von: Yuan, Yi, et al.
Veröffentlicht: (2023)

Embedding Alignment in Code Generation for Audio
von: Kouteili, Sam, et al.
Veröffentlicht: (2025)

Kimi-Audio Technical Report
von: KimiTeam, et al.
Veröffentlicht: (2025)

Integrating IP Broadcasting with Audio Tags: Workflow and Challenges
von: Burchett-Vass, Rhys, et al.
Veröffentlicht: (2024)

Unveiling Visual Biases in Audio-Visual Localization Benchmarks
von: Chen, Liangyu, et al.
Veröffentlicht: (2024)

Automatic Music Transcription using Convolutional Neural Networks and Constant-Q transform
von: Telila, Yohannis, et al.
Veröffentlicht: (2025)

Sequence-to-Sequence Multi-Modal Speech In-Painting
von: Elyaderani, Mahsa Kadkhodaei, et al.
Veröffentlicht: (2024)

Carnatic Raga Identification System using Rigorous Time-Delay Neural Network
von: Natesan, Sanjay, et al.
Veröffentlicht: (2024)

MR-MT3: Memory Retaining Multi-Track Music Transcription to Mitigate Instrument Leakage
von: Tan, Hao Hao, et al.
Veröffentlicht: (2024)

Instruct-MusicGen: Unlocking Text-to-Music Editing for Music Language Models via Instruction Tuning
von: Zhang, Yixiao, et al.
Veröffentlicht: (2024)

Efficient Fine-Grained Guidance for Diffusion Model Based Symbolic Music Generation
von: Zhu, Tingyu, et al.
Veröffentlicht: (2024)

HARP: A Large-Scale Higher-Order Ambisonic Room Impulse Response Dataset
von: Saini, Shivam, et al.
Veröffentlicht: (2024)

kNN-SVC: Robust Zero-Shot Singing Voice Conversion with Additive Synthesis and Concatenation Smoothness Optimization
von: Shao, Keren, et al.
Veröffentlicht: (2025)

The Name-Free Gap: Policy-Aware Stylistic Control in Music Generation
von: Nagarajan, Ashwin, et al.
Veröffentlicht: (2025)

JEN-1: Text-Guided Universal Music Generation with Omnidirectional Diffusion Models
von: Li, Peike, et al.
Veröffentlicht: (2023)

PDMX: A Large-Scale Public Domain MusicXML Dataset for Symbolic Music Processing
von: Long, Phillip, et al.
Veröffentlicht: (2024)

On the de-duplication of the Lakh MIDI dataset
von: Choi, Eunjin, et al.
Veröffentlicht: (2025)