Multilingual Turn-taking Prediction Using Voice Activity Projection
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Inoue, Koji, Jiang, Bing'er, Ekstedt, Erik, Kawahara, Tatsuya, Skantze, Gabriel |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Real-time and Continuous Turn-taking Prediction Using Voice Activity Projection
par: Inoue, Koji, et autres
Publié: (2024)
par: Inoue, Koji, et autres
Publié: (2024)
Yeah, Un, Oh: Continuous and Real-time Backchannel Prediction with Fine-tuning of Voice Activity Projection
par: Inoue, Koji, et autres
Publié: (2024)
par: Inoue, Koji, et autres
Publié: (2024)
Prompt-Guided Turn-Taking Prediction
par: Inoue, Koji, et autres
Publié: (2025)
par: Inoue, Koji, et autres
Publié: (2025)
Visual Cues Support Robust Turn-taking Prediction in Noise
par: Russell, Sam O'Connor, et autres
Publié: (2025)
par: Russell, Sam O'Connor, et autres
Publié: (2025)
Exploration of Adapter for Noise Robust Automatic Speech Recognition
par: Shi, Hao, et autres
Publié: (2024)
par: Shi, Hao, et autres
Publié: (2024)
An LLM Benchmark for Addressee Recognition in Multi-modal Multi-party Dialogue
par: Inoue, Koji, et autres
Publié: (2025)
par: Inoue, Koji, et autres
Publié: (2025)
Zero-Shot Sing Voice Conversion: built upon clustering-based phoneme representations
par: Zhou, Wangjin, et autres
Publié: (2024)
par: Zhou, Wangjin, et autres
Publié: (2024)
TCSinger 2: Customizable Multilingual Zero-shot Singing Voice Synthesis
par: Zhang, Yu, et autres
Publié: (2025)
par: Zhang, Yu, et autres
Publié: (2025)
VoiceCraft-X: Unifying Multilingual, Voice-Cloning Speech Synthesis and Speech Editing
par: Zheng, Zhisheng, et autres
Publié: (2025)
par: Zheng, Zhisheng, et autres
Publié: (2025)
Benchmarking Japanese Speech Recognition on ASR-LLM Setups with Multi-Pass Augmented Generative Error Correction
par: Ko, Yuka, et autres
Publié: (2024)
par: Ko, Yuka, et autres
Publié: (2024)
Diffusion-Based Speech Enhancement with Joint Generative and Predictive Decoders
par: Shi, Hao, et autres
Publié: (2023)
par: Shi, Hao, et autres
Publié: (2023)
Efficient and Robust Long-Form Speech Recognition with Hybrid H3-Conformer
par: Honda, Tomoki, et autres
Publié: (2024)
par: Honda, Tomoki, et autres
Publié: (2024)
Real-time Generation of Various Types of Nodding for Avatar Attentive Listening System
par: Kato, Kazushi, et autres
Publié: (2025)
par: Kato, Kazushi, et autres
Publié: (2025)
Flow-TSVAD: Target-Speaker Voice Activity Detection via Latent Flow Matching
par: Chen, Zhengyang, et autres
Publié: (2024)
par: Chen, Zhengyang, et autres
Publié: (2024)
Voice Biomarker Analysis and Automated Severity Classification of Dysarthric Speech in a Multilingual Context
par: Yeo, Eunjung
Publié: (2024)
par: Yeo, Eunjung
Publié: (2024)
Combining Deterministic Enhanced Conditions with Dual-Streaming Encoding for Diffusion-Based Speech Enhancement
par: Shi, Hao, et autres
Publié: (2025)
par: Shi, Hao, et autres
Publié: (2025)
"Dyadosyncrasy", Idiosyncrasy and Demographic Factors in Turn-Taking
par: Cavalcanti, Julio Cesar, et autres
Publié: (2025)
par: Cavalcanti, Julio Cesar, et autres
Publié: (2025)
Attention Is Not Always the Answer: Optimizing Voice Activity Detection with Simple Feature Fusion
par: Tripathi, Kumud, et autres
Publié: (2025)
par: Tripathi, Kumud, et autres
Publié: (2025)
Turn-taking and Backchannel Prediction with Acoustic and Large Language Model Fusion
par: Wang, Jinhan, et autres
Publié: (2024)
par: Wang, Jinhan, et autres
Publié: (2024)
Bridging Speech Emotion Recognition and Personality: Dataset and Temporal Interaction Condition Network
par: Gao, Yuan, et autres
Publié: (2025)
par: Gao, Yuan, et autres
Publié: (2025)
Quantification of Tenseness in English and Japanese Tense-Lax Vowels: A Lagrangian Model with Indicator θ1 and Force of Tenseness Ftense(t)
par: Ishizaki, Tatsuya
Publié: (2025)
par: Ishizaki, Tatsuya
Publié: (2025)
TidyVoice: A Curated Multilingual Dataset for Speaker Verification Derived from Common Voice
par: Farhadipour, Aref, et autres
Publié: (2026)
par: Farhadipour, Aref, et autres
Publié: (2026)
Talking Turns: Benchmarking Audio Foundation Models on Turn-Taking Dynamics
par: Arora, Siddhant, et autres
Publié: (2025)
par: Arora, Siddhant, et autres
Publié: (2025)
PersonaTAB: Predicting Personality Traits using Textual, Acoustic, and Behavioral Cues in Fully-Duplex Speech Dialogs
par: Inoue, Sho, et autres
Publié: (2025)
par: Inoue, Sho, et autres
Publié: (2025)
DualTurn: Learning Turn-Taking from Dual-Channel Generative Speech Pretraining
par: Rajaa, Shangeth
Publié: (2026)
par: Rajaa, Shangeth
Publié: (2026)
Improving Multilingual ASR in the Wild Using Simple N-best Re-ranking
par: Yan, Brian, et autres
Publié: (2024)
par: Yan, Brian, et autres
Publié: (2024)
FreeSVC: Towards Zero-shot Multilingual Singing Voice Conversion
par: Ferreira, Alef Iury Siqueira, et autres
Publié: (2025)
par: Ferreira, Alef Iury Siqueira, et autres
Publié: (2025)
Voices of Civilizations: A Multilingual QA Benchmark for Global Music Understanding
par: Wu, Shangda, et autres
Publié: (2026)
par: Wu, Shangda, et autres
Publié: (2026)
Voice-ENHANCE: Speech Restoration using a Diffusion-based Voice Conversion Framework
par: Byun, Kyungguen, et autres
Publié: (2025)
par: Byun, Kyungguen, et autres
Publié: (2025)
SONAR: Self-Distilled Continual Pre-training for Domain Adaptive Audio Representation
par: Zhang, Yizhou, et autres
Publié: (2025)
par: Zhang, Yizhou, et autres
Publié: (2025)
The Third VoicePrivacy Challenge: Preserving Emotional Expressiveness and Linguistic Content in Voice Anonymization
par: Tomashenko, Natalia, et autres
Publié: (2026)
par: Tomashenko, Natalia, et autres
Publié: (2026)
Voice Adaptation for Swiss German
par: Stucki, Samuel, et autres
Publié: (2025)
par: Stucki, Samuel, et autres
Publié: (2025)
Marco-Voice Technical Report
par: Tian, Fengping, et autres
Publié: (2025)
par: Tian, Fengping, et autres
Publié: (2025)
TurnGuide: Enhancing Meaningful Full Duplex Spoken Interactions via Dynamic Turn-Level Text-Speech Interleaving
par: Cui, Wenqian, et autres
Publié: (2025)
par: Cui, Wenqian, et autres
Publié: (2025)
Rapid Language Adaptation for Multilingual E2E Speech Recognition Using Encoder Prompting
par: Kashiwagi, Yosuke, et autres
Publié: (2024)
par: Kashiwagi, Yosuke, et autres
Publié: (2024)
I Know Your Feelings Before You Do: Predicting Future Affective Reactions in Human-Computer Dialogue
par: Li, Yuanchao, et autres
Publié: (2023)
par: Li, Yuanchao, et autres
Publié: (2023)
Multilingual Dysarthric Speech Assessment Using Universal Phone Recognition and Language-Specific Phonemic Contrast Modeling
par: Yeo, Eunjung, et autres
Publié: (2026)
par: Yeo, Eunjung, et autres
Publié: (2026)
GLM-4-Voice: Towards Intelligent and Human-Like End-to-End Spoken Chatbot
par: Zeng, Aohan, et autres
Publié: (2024)
par: Zeng, Aohan, et autres
Publié: (2024)
Romanization Encoding For Multilingual ASR
par: Ding, Wen, et autres
Publié: (2024)
par: Ding, Wen, et autres
Publié: (2024)
TCSinger: Zero-Shot Singing Voice Synthesis with Style Transfer and Multi-Level Style Control
par: Zhang, Yu, et autres
Publié: (2024)
par: Zhang, Yu, et autres
Publié: (2024)
Documents similaires
-
Real-time and Continuous Turn-taking Prediction Using Voice Activity Projection
par: Inoue, Koji, et autres
Publié: (2024) -
Yeah, Un, Oh: Continuous and Real-time Backchannel Prediction with Fine-tuning of Voice Activity Projection
par: Inoue, Koji, et autres
Publié: (2024) -
Prompt-Guided Turn-Taking Prediction
par: Inoue, Koji, et autres
Publié: (2025) -
Visual Cues Support Robust Turn-taking Prediction in Noise
par: Russell, Sam O'Connor, et autres
Publié: (2025) -
Exploration of Adapter for Noise Robust Automatic Speech Recognition
par: Shi, Hao, et autres
Publié: (2024)