Buchumschlag

Scaling Properties of Speech Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cuervo, Santiago, Marxer, Ricard
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Audio and Speech Processing Artificial Intelligence Computation and Language Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Hierarchical Recurrent Adapters for Efficient Multi-Task Adaptation of Large Speech Models
von: Munkhdalai, Tsendsuren, et al.
Veröffentlicht: (2024)

Investigating Training Strategies and Model Robustness of Low-Rank Adaptation for Language Modeling in Speech Recognition
von: Yu, Yu, et al.
Veröffentlicht: (2024)

Low-rank Adaptation of Large Language Model Rescoring for Parameter-Efficient Speech Recognition
von: Yu, Yu, et al.
Veröffentlicht: (2023)

How to Estimate Model Transferability of Pre-Trained Speech Models?
von: Chen, Zih-Ching, et al.
Veröffentlicht: (2023)

Automatic Voice Identification after Speech Resynthesis using PPG
von: Gaudier, Thibault, et al.
Veröffentlicht: (2024)

Text Injection for Neural Contextual Biasing
von: Meng, Zhong, et al.
Veröffentlicht: (2024)

Deferred NAM: Low-latency Top-K Context Injection via Deferred Context Encoding for Non-Streaming ASR
von: Wu, Zelin, et al.
Veröffentlicht: (2024)

Late Fusion and Multi-Level Fission Amplify Cross-Modal Transfer in Text-Speech LMs
von: Cuervo, Santiago, et al.
Veröffentlicht: (2025)

Global-Local Convolution with Spiking Neural Networks for Energy-efficient Keyword Spotting
von: Wang, Shuai, et al.
Veröffentlicht: (2024)

Robust online reconstruction of continuous-time signals from a lean spike train ensemble code
von: Chattopadhyay, Anik, et al.
Veröffentlicht: (2024)

Parsing Musical Structure to Enable Meaningful Variations
von: Kanani, Maziar, et al.
Veröffentlicht: (2025)

Transfer Learning from Whisper for Microscopic Intelligibility Prediction
von: Best, Paul, et al.
Veröffentlicht: (2024)

DeepSpeech models show Human-like Performance and Processing of Cochlear Implant Inputs
von: Steinhardt, Cynthia R., et al.
Veröffentlicht: (2024)

Resource-Efficient Speech Quality Prediction through Quantization Aware Training and Binary Activation Maps
von: Nilsson, Mattias, et al.
Veröffentlicht: (2024)

A novel Reservoir Architecture for Periodic Time Series Prediction
von: Yuan, Zhongju, et al.
Veröffentlicht: (2024)

Long-Form Text-to-Music Generation with Adaptive Prompts: A Case Study in Tabletop Role-Playing Games Soundtracks
von: Marra, Felipe, et al.
Veröffentlicht: (2024)

Learning Delays in Spiking Neural Networks using Dilated Convolutions with Learnable Spacings
von: Hammouamri, Ilyass, et al.
Veröffentlicht: (2023)

Spoken Conversational Agents with Large Language Models
von: Yang, Chao-Han Huck, et al.
Veröffentlicht: (2025)

Accurate Mapping of RNNs on Neuromorphic Hardware with Adaptive Spiking Neurons
von: Boeshertz, Gauthier, et al.
Veröffentlicht: (2024)

A Comparison of Temporal Encoders for Neuromorphic Keyword Spotting with Few Neurons
von: Nilsson, Mattias, et al.
Veröffentlicht: (2023)

LMUFormer: Low Complexity Yet Powerful Spiking Model With Legendre Memory Units
von: Liu, Zeyu, et al.
Veröffentlicht: (2024)

Deep Photonic Reservoir Computer for Speech Recognition
von: Picco, Enrico, et al.
Veröffentlicht: (2023)

Artificial Neural Networks Trained on Noisy Speech Exhibit the McGurk Effect
von: Grasse, Lukas, et al.
Veröffentlicht: (2024)

HyperSound: Generating Implicit Neural Representations of Audio Signals with Hypernetworks
von: Szatkowski, Filip, et al.
Veröffentlicht: (2022)

Neurobench: DCASE 2020 Acoustic Scene Classification benchmark on XyloAudio 2
von: Ke, Weijie, et al.
Veröffentlicht: (2024)

Low-power SNN-based audio source localisation using a Hilbert Transform spike encoding scheme
von: Haghighatshoar, Saeid, et al.
Veröffentlicht: (2024)

sVAD: A Robust, Low-Power, and Light-Weight Voice Activity Detection with Spiking Neural Networks
von: Yang, Qu, et al.
Veröffentlicht: (2024)

Grammatical Structure and Grammatical Variations in Non-Metric Iranian Classical Music
von: Kanani, Maziar, et al.
Veröffentlicht: (2025)

Generative Voice Bursts during Phone Call
von: Ranjan, Paritosh, et al.
Veröffentlicht: (2025)

Spiking-LEAF: A Learnable Auditory front-end for Spiking Neural Networks
von: Song, Zeyang, et al.
Veröffentlicht: (2023)

A Novel Transfer Learning Approach for Mental Stability Classification from Voice Signal
von: Islam, Rafiul, et al.
Veröffentlicht: (2026)

DPSNN: Spiking Neural Network for Low-Latency Streaming Speech Enhancement
von: Sun, Tao, et al.
Veröffentlicht: (2024)

Learning spatial hearing via innate mechanisms
von: Chu, Yang, et al.
Veröffentlicht: (2020)

Ternary Spike-based Neuromorphic Signal Processing System
von: Wang, Shuai, et al.
Veröffentlicht: (2024)

Spiketrum: An FPGA-based Implementation of a Neuromorphic Cochlea
von: Alsakkal, MHD Anas, et al.
Veröffentlicht: (2024)

Delayed Memory Unit: Modelling Temporal Dependency Through Delay Gate
von: Sun, Pengfei, et al.
Veröffentlicht: (2023)

Speech foundation models on intelligibility prediction for hearing-impaired listeners
von: Cuervo, Santiago, et al.
Veröffentlicht: (2024)

Closing the Gap Between Text and Speech Understanding in LLMs
von: Cuervo, Santiago, et al.
Veröffentlicht: (2025)

Parallel Stacked Aggregated Network for Voice Authentication in IoT-Enabled Smart Devices
von: Khan, Awais, et al.
Veröffentlicht: (2024)

Biomimetic Frontend for Differentiable Audio Processing
von: Famularo, Ruolan Leslie, et al.
Veröffentlicht: (2024)