Buchumschlag

Comparison of parameters of vowel sounds of russian and english languages

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fedoseev, V. I., Konev, A. A., Yakimuk, A. Yu.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Sound Computation and Language Audio and Speech Processing 68T10 H.2.8
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Window Size Versus Accuracy Experiments in Voice Activity Detectors
von: McKinnon, Max, et al.
Veröffentlicht: (2026)

Towards a dynamical model of English vowels. Evidence from diphthongisation
von: Strycharczuk, Patrycja, et al.
Veröffentlicht: (2024)

Impact of Frame Rates on Speech Tokenizer: A Case Study on Mandarin and English
von: Zhang, Haoyang, et al.
Veröffentlicht: (2025)

Non-Verbal Vocalisations and their Challenges: Emotion, Privacy, Sparseness, and Real Life
von: Batliner, Anton, et al.
Veröffentlicht: (2025)

MATER: Multi-level Acoustic and Textual Emotion Representation for Interpretable Speech Emotion Recognition
von: Jon, Hyo Jin, et al.
Veröffentlicht: (2025)

Quality Over Quantity? LLM-Based Curation for a Data-Efficient Audio-Video Foundation Model
von: Vosoughi, Ali, et al.
Veröffentlicht: (2025)

Beyond Hearing: Learning Task-Agnostic ExG Representations from Earphones via Physiology-Informed Tokenization
von: Yoon, Hyungjun, et al.
Veröffentlicht: (2025)

M6(GPT)3: Generating Multitrack Modifiable Multi-Minute MIDI Music from Text using Genetic algorithms, Probabilistic methods and GPT Models in any Progression and Time Signature
von: Poćwiardowski, Jakub, et al.
Veröffentlicht: (2024)

SARA: Stress Test Reasoning in Audio Deepfake Detection
von: Nguyen, Binh, et al.
Veröffentlicht: (2026)

SeamlessEdit: Background Noise Aware Zero-Shot Speech Editing with in-Context Enhancement
von: Chen, Kuan-Yu, et al.
Veröffentlicht: (2025)

Delayed Fusion: Integrating Large Language Models into First-Pass Decoding in End-to-end Speech Recognition
von: Hori, Takaaki, et al.
Veröffentlicht: (2025)

BESTOW: Efficient and Streamable Speech Language Model with the Best of Two Worlds in GPT and T5
von: Chen, Zhehuai, et al.
Veröffentlicht: (2024)

Noise-Robust Keyword Spotting through Self-supervised Pretraining
von: Mørk, Jacob, et al.
Veröffentlicht: (2024)

Self-supervised Pretraining for Robust Personalized Voice Activity Detection in Adverse Conditions
von: Bovbjerg, Holger Severin, et al.
Veröffentlicht: (2023)

Learning Robust Spatial Representations from Binaural Audio through Feature Distillation
von: Bovbjerg, Holger Severin, et al.
Veröffentlicht: (2025)

Monaural Multi-Speaker Speech Separation Using Efficient Transformer Model
von: Rijal, S., et al.
Veröffentlicht: (2023)

Noise-Robust Target-Speaker Voice Activity Detection Through Self-Supervised Pretraining
von: Bovbjerg, Holger Severin, et al.
Veröffentlicht: (2025)

Word-wise intonation model for cross-language TTS systems
von: A., Tomilov A., et al.
Veröffentlicht: (2024)

Quantization for OpenAI's Whisper Models: A Comparative Analysis
von: Andreyev, Allison
Veröffentlicht: (2025)

Exploring Gender-Specific Speech Patterns in Automatic Suicide Risk Assessment
von: Gerczuk, Maurice, et al.
Veröffentlicht: (2024)

FakeSound: Deepfake General Audio Detection
von: Xie, Zeyu, et al.
Veröffentlicht: (2024)

Large Vocabulary Spontaneous Speech Recognition for Tigrigna
von: Kahsu, Ataklti, et al.
Veröffentlicht: (2023)

UniGlyph: A Seven-Segment Script for Universal Language Representation
von: Sherin, G. V. Bency, et al.
Veröffentlicht: (2024)

Spectral oversubtraction? An approach for speech enhancement after robot ego speech filtering in semi-real-time
von: Li, Yue, et al.
Veröffentlicht: (2024)

Reciprocal Latent Fields for Precomputed Sound Propagation
von: Seuté, Hugo, et al.
Veröffentlicht: (2026)

SonicVerse: Multi-Task Learning for Music Feature-Informed Captioning
von: Chopra, Anuradha, et al.
Veröffentlicht: (2025)

What do MLLMs hear? Examining reasoning with text and sound components in Multimodal Large Language Models
von: Çoban, Enis Berk, et al.
Veröffentlicht: (2024)

STAR: Speech-to-Audio Generation via Representation Learning
von: Xie, Zeyu, et al.
Veröffentlicht: (2025)

FakeSound2: A Benchmark for Explainable and Generalizable Deepfake Sound Detection
von: Xie, Zeyu, et al.
Veröffentlicht: (2025)

PicoAudio: Enabling Precise Timestamp and Frequency Controllability of Audio Events in Text-to-audio Generation
von: Xie, Zeyu, et al.
Veröffentlicht: (2024)

AudioTime: A Temporally-aligned Audio-text Benchmark Dataset
von: Xie, Zeyu, et al.
Veröffentlicht: (2024)

Sound Safeguarding for Acoustic Measurement Using Any Sounds: Tools and Applications
von: Kawahara, Hideki, et al.
Veröffentlicht: (2025)

CAST-TTS: A Simple Cross-Attention Framework for Unified Timbre Control in TTS
von: Zheng, Zihao, et al.
Veröffentlicht: (2026)

PicoAudio2: Temporal Controllable Text-to-Audio Generation with Natural Language Description
von: Zheng, Zihao, et al.
Veröffentlicht: (2025)

Make Some Noise: Towards LLM audio reasoning and generation using sound tokens
von: Mehta, Shivam, et al.
Veröffentlicht: (2025)

Masked Modeling Duo: Towards a Universal Audio Pre-training Framework
von: Niizumi, Daisuke, et al.
Veröffentlicht: (2024)

Exploring Pre-trained General-purpose Audio Representations for Heart Murmur Detection
von: Niizumi, Daisuke, et al.
Veröffentlicht: (2024)

Benchmarking Foundation Speech and Language Models for Alzheimer's Disease and Related Dementia Detection from Spontaneous Speech
von: Li, Jingyu, et al.
Veröffentlicht: (2025)

Differentiable physics for sound field reconstruction
von: Verburg, Samuel A., et al.
Veröffentlicht: (2025)

Towards continually learning new languages
von: Pham, Ngoc-Quan, et al.
Veröffentlicht: (2022)