Buchumschlag

Speech Understanding on Tiny Devices with A Learning Cache

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Benazir, Afsara, Xu, Zhiming, Lin, Felix Xiaozhu
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Audio and Speech Processing Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Safeguarding Privacy in Edge Speech Understanding with Tiny Foundation Models
von: Benazir, Afsara, et al.
Veröffentlicht: (2025)

Turbocharge Speech Understanding with Pilot Inference
von: Wang, Rongxiang, et al.
Veröffentlicht: (2023)

WhisperFlow: speech foundation models in real time
von: Wang, Rongxiang, et al.
Veröffentlicht: (2024)

TF-MLPNet: Tiny Real-Time Neural Speech Separation
von: Itani, Malek, et al.
Veröffentlicht: (2025)

TinySV: Speaker Verification in TinyML with On-device Learning
von: Pavan, Massimo, et al.
Veröffentlicht: (2024)

Comparison of Tiny Machine Learning Techniques for Embedded Acoustic Emission Analysis
von: Muthumala, Uditha, et al.
Veröffentlicht: (2024)

Understanding Self-Supervised Learning of Speech Representation via Invariance and Redundancy Reduction
von: Brima, Yusuf, et al.
Veröffentlicht: (2023)

Universal Semantic Disentangled Privacy-preserving Speech Representation Learning
von: Vecino, Biel Tura, et al.
Veröffentlicht: (2025)

A Closer Look at Wav2Vec2 Embeddings for On-Device Single-Channel Speech Enhancement
von: Shankar, Ravi, et al.
Veröffentlicht: (2024)

SpeechOp: Inference-Time Task Composition for Generative Speech Processing
von: Lovelace, Justin, et al.
Veröffentlicht: (2025)

Learning Disentangled Speech Representations
von: Brima, Yusuf, et al.
Veröffentlicht: (2023)

SimulTron: On-Device Simultaneous Speech to Speech Translation
von: Agranovich, Alex, et al.
Veröffentlicht: (2024)

A Multimodal Approach to Device-Directed Speech Detection with Large Language Models
von: Wagner, Dominik, et al.
Veröffentlicht: (2024)

Plug-in Losses for Evidential Deep Learning: A Simplified Framework for Uncertainty Estimation that Includes the Softmax Classifier
von: Hayta, Berk, et al.
Veröffentlicht: (2026)

Comparing Self-Supervised Learning Models Pre-Trained on Human Speech and Animal Vocalizations for Bioacoustics Processing
von: Sarkar, Eklavya, et al.
Veröffentlicht: (2025)

Hold Me Tight: Stable Encoder-Decoder Design for Speech Enhancement
von: Haider, Daniel, et al.
Veröffentlicht: (2024)

TinyChirp: Bird Song Recognition Using TinyML Models on Low-power Wireless Acoustic Sensors
von: Huang, Zhaolan, et al.
Veröffentlicht: (2024)

Simultaneous or Sequential Training? How Speech Representations Cooperate in a Multi-Task Self-Supervised Learning System
von: Khorrami, Khazar, et al.
Veröffentlicht: (2023)

Edge Intelligence for Wildlife Conservation: Real-Time Hornbill Call Classification Using TinyML
von: Hing, Kong Ka, et al.
Veröffentlicht: (2025)

Continuous Autoregressive Modeling with Stochastic Monotonic Alignment for Speech Synthesis
von: Lin, Weiwei, et al.
Veröffentlicht: (2025)

SA-SSL-MOS: Self-supervised Learning MOS Prediction with Spectral Augmentation for Generalized Multi-Rate Speech Assessment
von: Cao, Fengyuan, et al.
Veröffentlicht: (2026)

Vibravox: A Dataset of French Speech Captured with Body-conduction Audio Sensors
von: Hauret, Julien, et al.
Veröffentlicht: (2024)

A Context-Based Numerical Format Prediction for a Text-To-Speech System
von: Darwesh, Yaser, et al.
Veröffentlicht: (2024)

AV-CrossNet: an Audiovisual Complex Spectral Mapping Network for Speech Separation By Leveraging Narrow- and Cross-Band Modeling
von: Kalkhorani, Vahid Ahmadi, et al.
Veröffentlicht: (2024)

Discrete-Time Diffusion-Like Models for Speech Synthesis
von: Tan, Xiaozhou, et al.
Veröffentlicht: (2025)

Principled Coarse-Grained Acceptance for Speculative Decoding in Speech
von: Yanuka, Moran, et al.
Veröffentlicht: (2025)

Predictive-Generative Drift Decomposition for Speech Enhancement and Separation
von: Richter, Julius, et al.
Veröffentlicht: (2026)

RepCodec: A Speech Representation Codec for Speech Tokenization
von: Huang, Zhichao, et al.
Veröffentlicht: (2023)

TextrolSpeech: A Text Style Control Speech Corpus With Codec Language Text-to-Speech Models
von: Ji, Shengpeng, et al.
Veröffentlicht: (2023)

Multi-blank Transducers for Speech Recognition
von: Xu, Hainan, et al.
Veröffentlicht: (2022)

RobustSpeechFlow: Learning Robust Text-to-Speech Trajectories via Augmentation-based Contrastive Flow Matching
von: Yang, Jinhyeok, et al.
Veröffentlicht: (2026)

SPIRIT: Patching Speech Language Models against Jailbreak Attacks
von: Djanibekov, Amirbek, et al.
Veröffentlicht: (2025)

MaskCycleGAN-based Whisper to Normal Speech Conversion
von: Gupta, K. Rohith, et al.
Veröffentlicht: (2024)

Losses Can Be Blessings: Routing Self-Supervised Speech Representations Towards Efficient Multilingual and Multitask Speech Processing
von: Fu, Yonggan, et al.
Veröffentlicht: (2022)

Speech to Speech Synthesis for Voice Impersonation
von: Johnson, Bjorn, et al.
Veröffentlicht: (2026)

Multiple Choice Learning for Efficient Speech Separation with Many Speakers
von: Perera, David, et al.
Veröffentlicht: (2024)

Gradient Norm-based Fine-Tuning for Backdoor Defense in Automatic Speech Recognition
von: Zhou, Nanjun, et al.
Veröffentlicht: (2025)

Who Said What? An Automated Approach to Analyzing Speech in Preschool Classrooms
von: Sun, Anchen, et al.
Veröffentlicht: (2024)

EmoSLLM: Parameter-Efficient Adaptation of LLMs for Speech Emotion Recognition
von: Thimonier, Hugo, et al.
Veröffentlicht: (2025)

Benchmarking Automatic Speech Recognition coupled LLM Modules for Medical Diagnostics
von: Kumar, Kabir
Veröffentlicht: (2025)