Energy-Based Models with Applications to Speech and Language Processing
Fuente:
arXiv
Enregistré dans:
| Auteur principal: | Ou, Zhijian |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Textually Pretrained Speech Language Models
par: Hassid, Michael, et autres
Publié: (2023)
par: Hassid, Michael, et autres
Publié: (2023)
Spontaneous Style Text-to-Speech Synthesis with Controllable Spontaneous Behaviors Based on Language Models
par: Li, Weiqin, et autres
Publié: (2024)
par: Li, Weiqin, et autres
Publié: (2024)
SpeechX: Neural Codec Language Model as a Versatile Speech Transformer
par: Wang, Xiaofei, et autres
Publié: (2023)
par: Wang, Xiaofei, et autres
Publié: (2023)
On the Semantic Latent Space of Diffusion-Based Text-to-Speech Models
par: Varshavsky-Hassid, Miri, et autres
Publié: (2024)
par: Varshavsky-Hassid, Miri, et autres
Publié: (2024)
SELMA: A Speech-Enabled Language Model for Virtual Assistant Interactions
par: Wagner, Dominik, et autres
Publié: (2025)
par: Wagner, Dominik, et autres
Publié: (2025)
Whistle: Data-Efficient Multilingual and Crosslingual Speech Recognition via Weakly Phonetic Supervision
par: Yusuyin, Saierdaer, et autres
Publié: (2024)
par: Yusuyin, Saierdaer, et autres
Publié: (2024)
DC-Spin: A Speaker-invariant Speech Tokenizer for Spoken Language Models
par: Chang, Heng-Jui, et autres
Publié: (2024)
par: Chang, Heng-Jui, et autres
Publié: (2024)
Exploring Fine-Tuning of Large Audio Language Models for Spoken Language Understanding under Limited Speech Data
par: Choi, Youngwon, et autres
Publié: (2025)
par: Choi, Youngwon, et autres
Publié: (2025)
Adapting Language Balance in Code-Switching Speech
par: Ugan, Enes Yavuz, et autres
Publié: (2025)
par: Ugan, Enes Yavuz, et autres
Publié: (2025)
Low-Resourced Speech Recognition for Iu Mien Language via Weakly-Supervised Phoneme-based Multilingual Pre-training
par: Dong, Lukuan, et autres
Publié: (2024)
par: Dong, Lukuan, et autres
Publié: (2024)
Modeling Overlapped Speech with Shuffles
par: Wiesner, Matthew, et autres
Publié: (2026)
par: Wiesner, Matthew, et autres
Publié: (2026)
In-Sync: Adaptation of Speech Aware Large Language Models for ASR with Word Level Timestamp Predictions
par: Fan, Xulin, et autres
Publié: (2026)
par: Fan, Xulin, et autres
Publié: (2026)
CA-SSLR: Condition-Aware Self-Supervised Learning Representation for Generalized Speech Processing
par: Lu, Yen-Ju, et autres
Publié: (2024)
par: Lu, Yen-Ju, et autres
Publié: (2024)
Mai Ho'omāuna i ka 'Ai: Language Models Improve Automatic Speech Recognition in Hawaiian
par: Chaparala, Kaavya, et autres
Publié: (2024)
par: Chaparala, Kaavya, et autres
Publié: (2024)
On the Problem of Text-To-Speech Model Selection for Synthetic Data Generation in Automatic Speech Recognition
par: Rossenbach, Nick, et autres
Publié: (2024)
par: Rossenbach, Nick, et autres
Publié: (2024)
Meta Learning Text-to-Speech Synthesis in over 7000 Languages
par: Lux, Florian, et autres
Publié: (2024)
par: Lux, Florian, et autres
Publié: (2024)
Unseen Speaker and Language Adaptation for Lightweight Text-To-Speech with Adapters
par: Falai, Alessio, et autres
Publié: (2025)
par: Falai, Alessio, et autres
Publié: (2025)
Speech Rhythm-Based Speaker Embeddings Extraction from Phonemes and Phoneme Duration for Multi-Speaker Speech Synthesis
par: Fujita, Kenichi, et autres
Publié: (2024)
par: Fujita, Kenichi, et autres
Publié: (2024)
Analyzing Speech Unit Selection for Textless Speech-to-Speech Translation
par: Duret, Jarod, et autres
Publié: (2024)
par: Duret, Jarod, et autres
Publié: (2024)
Coupling Speech Encoders with Downstream Text Models
par: Chelba, Ciprian, et autres
Publié: (2024)
par: Chelba, Ciprian, et autres
Publié: (2024)
How Redundant Is the Transformer Stack in Speech Representation Models?
par: Dorszewski, Teresa, et autres
Publié: (2024)
par: Dorszewski, Teresa, et autres
Publié: (2024)
Robust and Unbounded Length Generalization in Autoregressive Transformer-Based Text-to-Speech
par: Battenberg, Eric, et autres
Publié: (2024)
par: Battenberg, Eric, et autres
Publié: (2024)
SimulTron: On-Device Simultaneous Speech to Speech Translation
par: Agranovich, Alex, et autres
Publié: (2024)
par: Agranovich, Alex, et autres
Publié: (2024)
OLMoASR: Open Models and Data for Training Robust Speech Recognition Models
par: Ngo, Huong, et autres
Publié: (2025)
par: Ngo, Huong, et autres
Publié: (2025)
Translatotron 3: Speech to Speech Translation with Monolingual Data
par: Nachmani, Eliya, et autres
Publié: (2023)
par: Nachmani, Eliya, et autres
Publié: (2023)
Rasa: Building Expressive Speech Synthesis Systems for Indian Languages in Low-resource Settings
par: Varadhan, Praveen Srinivasa, et autres
Publié: (2024)
par: Varadhan, Praveen Srinivasa, et autres
Publié: (2024)
Prosodic ABX: A Language-Agnostic Method for Measuring Prosodic Contrast in Speech Representations
par: Sun, Haitong, et autres
Publié: (2026)
par: Sun, Haitong, et autres
Publié: (2026)
Towards Early Prediction of Self-Supervised Speech Model Performance
par: Whetten, Ryan, et autres
Publié: (2025)
par: Whetten, Ryan, et autres
Publié: (2025)
Towards Robust FastSpeech 2 by Modelling Residual Multimodality
par: Kögel, Fabian, et autres
Publié: (2023)
par: Kögel, Fabian, et autres
Publié: (2023)
Speech Robust Bench: A Robustness Benchmark For Speech Recognition
par: Shah, Muhammad A., et autres
Publié: (2024)
par: Shah, Muhammad A., et autres
Publié: (2024)
Making Flow-Matching-Based Zero-Shot Text-to-Speech Laugh as You Like
par: Kanda, Naoyuki, et autres
Publié: (2024)
par: Kanda, Naoyuki, et autres
Publié: (2024)
Investigating Disentanglement in a Phoneme-level Speech Codec for Prosody Modeling
par: Karapiperis, Sotirios, et autres
Publié: (2024)
par: Karapiperis, Sotirios, et autres
Publié: (2024)
Pre-Trained Foundation Model representations to uncover Breathing patterns in Speech
par: Mitra, Vikramjit, et autres
Publié: (2024)
par: Mitra, Vikramjit, et autres
Publié: (2024)
Speech Recognition With LLMs Adapted to Disordered Speech Using Reinforcement Learning
par: Nagpal, Chirag, et autres
Publié: (2024)
par: Nagpal, Chirag, et autres
Publié: (2024)
Universal Robust Speech Adaptation for Cross-Domain Speech Recognition and Enhancement
par: Wang, Chien-Chun, et autres
Publié: (2026)
par: Wang, Chien-Chun, et autres
Publié: (2026)
Robust and Explainable Depression Identification from Speech Using Vowel-Based Ensemble Learning Approaches
par: Feng, Kexin, et autres
Publié: (2024)
par: Feng, Kexin, et autres
Publié: (2024)
Efficient Training of Self-Supervised Speech Foundation Models on a Compute Budget
par: Liu, Andy T., et autres
Publié: (2024)
par: Liu, Andy T., et autres
Publié: (2024)
ProMode: A Speech Prosody Model Conditioned on Acoustic and Textual Inputs
par: Eren, Eray, et autres
Publié: (2025)
par: Eren, Eray, et autres
Publié: (2025)
CoSTA: Code-Switched Speech Translation using Aligned Speech-Text Interleaving
par: Shankar, Bhavani, et autres
Publié: (2024)
par: Shankar, Bhavani, et autres
Publié: (2024)
The ParlaSpeech Collection of Automatically Generated Speech and Text Datasets from Parliamentary Proceedings
par: Ljubešić, Nikola, et autres
Publié: (2024)
par: Ljubešić, Nikola, et autres
Publié: (2024)
Documents similaires
-
Textually Pretrained Speech Language Models
par: Hassid, Michael, et autres
Publié: (2023) -
Spontaneous Style Text-to-Speech Synthesis with Controllable Spontaneous Behaviors Based on Language Models
par: Li, Weiqin, et autres
Publié: (2024) -
SpeechX: Neural Codec Language Model as a Versatile Speech Transformer
par: Wang, Xiaofei, et autres
Publié: (2023) -
On the Semantic Latent Space of Diffusion-Based Text-to-Speech Models
par: Varshavsky-Hassid, Miri, et autres
Publié: (2024) -
SELMA: A Speech-Enabled Language Model for Virtual Assistant Interactions
par: Wagner, Dominik, et autres
Publié: (2025)