Beyond the Labels: Unveiling Text-Dependency in Paralinguistic Speech Recognition Datasets
Fuente:
arXiv
Salvato in:
| Autori principali: | Pešán, Jan, Kesiraju, Santosh, Burget, Lukáš, Černocký, Jan ''Honza'' |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Improving Automatic Speech Recognition with Decoder-Centric Regularisation in Encoder-Decoder Models
di: Polok, Alexander, et al.
Pubblicazione: (2024)
di: Polok, Alexander, et al.
Pubblicazione: (2024)
DeCRED: Decoder-Centric Regularization for Encoder-Decoder Based Speech Recognition
di: Polok, Alexander, et al.
Pubblicazione: (2025)
di: Polok, Alexander, et al.
Pubblicazione: (2025)
SE-DiCoW: Self-Enrolled Diarization-Conditioned Whisper
di: Polok, Alexander, et al.
Pubblicazione: (2026)
di: Polok, Alexander, et al.
Pubblicazione: (2026)
ParaS2S: Benchmarking and Aligning Spoken Language Models for Paralinguistic-aware Speech-to-Speech Interaction
di: Yang, Shu-wen, et al.
Pubblicazione: (2025)
di: Yang, Shu-wen, et al.
Pubblicazione: (2025)
Joint Speech and Text Training for LLM-Based End-to-End Spoken Dialogue State Tracking
di: Vendrame, Katia, et al.
Pubblicazione: (2025)
di: Vendrame, Katia, et al.
Pubblicazione: (2025)
Approaching Dialogue State Tracking via Aligning Speech Encoders and LLMs
di: Sedláček, Šimon, et al.
Pubblicazione: (2025)
di: Sedláček, Šimon, et al.
Pubblicazione: (2025)
Adapting Diarization-Conditioned Whisper for End-to-End Multi-Talker Speech Recognition
di: Kocour, Martin, et al.
Pubblicazione: (2025)
di: Kocour, Martin, et al.
Pubblicazione: (2025)
Pretraining End-to-End Keyword Search with Automatically Discovered Acoustic Units
di: Yusuf, Bolaji, et al.
Pubblicazione: (2024)
di: Yusuf, Bolaji, et al.
Pubblicazione: (2024)
Robustness of Speech Separation Models for Similar-pitch Speakers
di: Lay, Bunlong, et al.
Pubblicazione: (2024)
di: Lay, Bunlong, et al.
Pubblicazione: (2024)
Unsupervised Speech Enhancement using Data-defined Priors
di: Klement, Dominik, et al.
Pubblicazione: (2025)
di: Klement, Dominik, et al.
Pubblicazione: (2025)
BitTTS: Highly Compact Text-to-Speech Using 1.58-bit Quantization and Weight Indexing
di: Kawamura, Masaya, et al.
Pubblicazione: (2025)
di: Kawamura, Masaya, et al.
Pubblicazione: (2025)
Quartered Chirp Spectral Envelope for Whispered vs Normal Speech Classification
di: Joysingh, S. Johanan, et al.
Pubblicazione: (2024)
di: Joysingh, S. Johanan, et al.
Pubblicazione: (2024)
BanglaNum -- A Public Dataset for Bengali Digit Recognition from Speech
di: Mohammad, Mir Sayeed, et al.
Pubblicazione: (2024)
di: Mohammad, Mir Sayeed, et al.
Pubblicazione: (2024)
CochCeps-Augment: A Novel Self-Supervised Contrastive Learning Using Cochlear Cepstrum-based Masking for Speech Emotion Recognition
di: Ziogas, Ioannis, et al.
Pubblicazione: (2024)
di: Ziogas, Ioannis, et al.
Pubblicazione: (2024)
DeepFilterGAN: A Full-band Real-time Speech Enhancement System with GAN-based Stochastic Regeneration
di: Serbest, Sanberk, et al.
Pubblicazione: (2025)
di: Serbest, Sanberk, et al.
Pubblicazione: (2025)
Mind the Gap: Impact of Synthetic Conversational Data on Multi-Talker ASR and Speaker Diarization
di: Polok, Alexander, et al.
Pubblicazione: (2026)
di: Polok, Alexander, et al.
Pubblicazione: (2026)
BUT System for the MLC-SLM Challenge
di: Polok, Alexander, et al.
Pubblicazione: (2025)
di: Polok, Alexander, et al.
Pubblicazione: (2025)
Speech Watermarking with Discrete Intermediate Representations
di: Ji, Shengpeng, et al.
Pubblicazione: (2024)
di: Ji, Shengpeng, et al.
Pubblicazione: (2024)
DiCoW: Diarization-Conditioned Whisper for Target Speaker Automatic Speech Recognition
di: Polok, Alexander, et al.
Pubblicazione: (2024)
di: Polok, Alexander, et al.
Pubblicazione: (2024)
GLA-Grad++: An Improved Griffin-Lim Guided Diffusion Model for Speech Synthesis
di: Baoueb, Teysir, et al.
Pubblicazione: (2025)
di: Baoueb, Teysir, et al.
Pubblicazione: (2025)
Speech Self-Supervised Representations Benchmarking: a Case for Larger Probing Heads
di: Zaiem, Salah, et al.
Pubblicazione: (2023)
di: Zaiem, Salah, et al.
Pubblicazione: (2023)
A DNN Based Post-Filter to Enhance the Quality of Coded Speech in MDCT Domain
di: Gupta, Kishan, et al.
Pubblicazione: (2022)
di: Gupta, Kishan, et al.
Pubblicazione: (2022)
SpecDiff-GAN: A Spectrally-Shaped Noise Diffusion GAN for Speech and Music Synthesis
di: Baoueb, Teysir, et al.
Pubblicazione: (2024)
di: Baoueb, Teysir, et al.
Pubblicazione: (2024)
Lightweight DNN for Full-Band Speech Denoising on Mobile Devices: Exploiting Long and Short Temporal Patterns
di: Drossos, Konstantinos, et al.
Pubblicazione: (2025)
di: Drossos, Konstantinos, et al.
Pubblicazione: (2025)
State-of-the-art Embeddings with Video-free Segmentation of the Source VoxCeleb Data
di: Barahona, Sara, et al.
Pubblicazione: (2024)
di: Barahona, Sara, et al.
Pubblicazione: (2024)
Fine-tune Before Structured Pruning: Towards Compact and Accurate Self-Supervised Models for Speaker Diarization
di: Han, Jiangyu, et al.
Pubblicazione: (2025)
di: Han, Jiangyu, et al.
Pubblicazione: (2025)
Efficient and Generalizable Speaker Diarization via Structured Pruning of Self-Supervised Models
di: Han, Jiangyu, et al.
Pubblicazione: (2025)
di: Han, Jiangyu, et al.
Pubblicazione: (2025)
Target Speaker ASR with Whisper
di: Polok, Alexander, et al.
Pubblicazione: (2024)
di: Polok, Alexander, et al.
Pubblicazione: (2024)
AI-Assisted Music Production: A User Study on Text-to-Music Models
di: Ronchini, Francesca, et al.
Pubblicazione: (2025)
di: Ronchini, Francesca, et al.
Pubblicazione: (2025)
Diff-TONE: Timestep Optimization for iNstrument Editing in Text-to-Music Diffusion Models
di: Baoueb, Teysir, et al.
Pubblicazione: (2025)
di: Baoueb, Teysir, et al.
Pubblicazione: (2025)
Recovering Performance in Speech Emotion Recognition from Discrete Tokens via Multi-Layer Fusion and Paralinguistic Feature Integration
di: Sun, Esther, et al.
Pubblicazione: (2026)
di: Sun, Esther, et al.
Pubblicazione: (2026)
TTSlow: Slow Down Text-to-Speech with Efficiency Robustness Evaluations
di: Gao, Xiaoxue, et al.
Pubblicazione: (2024)
di: Gao, Xiaoxue, et al.
Pubblicazione: (2024)
Semantic Communications for Speech Recognition
di: Weng, Zhenzi, et al.
Pubblicazione: (2021)
di: Weng, Zhenzi, et al.
Pubblicazione: (2021)
VoxKnesset: A Large-Scale Longitudinal Hebrew Speech Dataset for Aging Speaker Modeling
di: Marmor, Yanir, et al.
Pubblicazione: (2026)
di: Marmor, Yanir, et al.
Pubblicazione: (2026)
Bridging the Gap: Integrating Pre-trained Speech Enhancement and Recognition Models for Robust Speech Recognition
di: Wang, Kuan-Chen, et al.
Pubblicazione: (2024)
di: Wang, Kuan-Chen, et al.
Pubblicazione: (2024)
Language Bias in Self-Supervised Learning For Automatic Speech Recognition
di: Storey, Edward, et al.
Pubblicazione: (2025)
di: Storey, Edward, et al.
Pubblicazione: (2025)
Overview of the L3DAS23 Challenge on Audio-Visual Extended Reality
di: Marinoni, Christian, et al.
Pubblicazione: (2024)
di: Marinoni, Christian, et al.
Pubblicazione: (2024)
Comparison of Tiny Machine Learning Techniques for Embedded Acoustic Emission Analysis
di: Muthumala, Uditha, et al.
Pubblicazione: (2024)
di: Muthumala, Uditha, et al.
Pubblicazione: (2024)
Is Audio Spoof Detection Robust to Laundering Attacks?
di: Ali, Hashim, et al.
Pubblicazione: (2024)
di: Ali, Hashim, et al.
Pubblicazione: (2024)
Ultra Low Complexity Deep Learning Based Noise Suppression
di: Shetu, Shrishti Saha, et al.
Pubblicazione: (2023)
di: Shetu, Shrishti Saha, et al.
Pubblicazione: (2023)
Documenti analoghi
-
Improving Automatic Speech Recognition with Decoder-Centric Regularisation in Encoder-Decoder Models
di: Polok, Alexander, et al.
Pubblicazione: (2024) -
DeCRED: Decoder-Centric Regularization for Encoder-Decoder Based Speech Recognition
di: Polok, Alexander, et al.
Pubblicazione: (2025) -
SE-DiCoW: Self-Enrolled Diarization-Conditioned Whisper
di: Polok, Alexander, et al.
Pubblicazione: (2026) -
ParaS2S: Benchmarking and Aligning Spoken Language Models for Paralinguistic-aware Speech-to-Speech Interaction
di: Yang, Shu-wen, et al.
Pubblicazione: (2025) -
Joint Speech and Text Training for LLM-Based End-to-End Spoken Dialogue State Tracking
di: Vendrame, Katia, et al.
Pubblicazione: (2025)