ViSpeR: Multilingual Audio-Visual Speech Recognition
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Narayan, Sanath, Djilali, Yasser Abdelaziz Dahou, Singh, Ankit, Bihan, Eustache Le, Hacid, Hakim |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Do Vision and Language Encoders Represent the World Similarly?
par: Maniparambil, Mayug, et autres
Publié: (2024)
par: Maniparambil, Mayug, et autres
Publié: (2024)
Open ASR Leaderboard: Towards Reproducible and Transparent Multilingual and Long-Form Speech Recognition Evaluation
par: Srivastav, Vaibhav, et autres
Publié: (2025)
par: Srivastav, Vaibhav, et autres
Publié: (2025)
Harnessing Frozen Unimodal Encoders for Flexible Multimodal Alignment
par: Maniparambil, Mayug, et autres
Publié: (2024)
par: Maniparambil, Mayug, et autres
Publié: (2024)
Competitive Audio-Language Models with Data-Efficient Single-Stage Training on Public Data
par: Kumar, Gokul Karthik, et autres
Publié: (2025)
par: Kumar, Gokul Karthik, et autres
Publié: (2025)
RELOOP: Recursive Retrieval with Multi-Hop Reasoner and Planners for Heterogeneous QA
par: Yang, Ruiyi, et autres
Publié: (2025)
par: Yang, Ruiyi, et autres
Publié: (2025)
Falcon2-11B Technical Report
par: Malartic, Quentin, et autres
Publié: (2024)
par: Malartic, Quentin, et autres
Publié: (2024)
SigLino: Efficient Multi-Teacher Distillation for Agglomerative Vision Foundation Models
par: Chaybouti, Sofian, et autres
Publié: (2025)
par: Chaybouti, Sofian, et autres
Publié: (2025)
Falcon Perception
par: Bevli, Aviraj, et autres
Publié: (2026)
par: Bevli, Aviraj, et autres
Publié: (2026)
SpeechR: A Benchmark for Speech Reasoning in Large Audio-Language Models
par: Yang, Wanqi, et autres
Publié: (2025)
par: Yang, Wanqi, et autres
Publié: (2025)
Falcon Mamba: The First Competitive Attention-free 7B Language Model
par: Zuo, Jingwei, et autres
Publié: (2024)
par: Zuo, Jingwei, et autres
Publié: (2024)
A Unified Speech LLM for Diarization and Speech Recognition in Multilingual Conversations
par: Saengthong, Phurich, et autres
Publié: (2025)
par: Saengthong, Phurich, et autres
Publié: (2025)
MAGNETO: Edge AI for Human Activity Recognition -- Privacy and Personalization
par: Zuo, Jingwei, et autres
Publié: (2024)
par: Zuo, Jingwei, et autres
Publié: (2024)
From Flat Language Labels to Typological Priors: Structured Language Conditioning for Multilingual Speech-to-Speech Translation
par: Pan, Yu, et autres
Publié: (2026)
par: Pan, Yu, et autres
Publié: (2026)
Transsion Multilingual Speech Recognition System for MLC-SLM 2025 Challenge
par: Li, Xiaoxiao, et autres
Publié: (2025)
par: Li, Xiaoxiao, et autres
Publié: (2025)
Learning to Unify Audio, Visual and Text for Audio-Enhanced Multilingual Visual Answer Localization
par: Wen, Zhibin, et autres
Publié: (2024)
par: Wen, Zhibin, et autres
Publié: (2024)
SyncVSR: Data-Efficient Visual Speech Recognition with End-to-End Crossmodal Audio Token Synchronization
par: Ahn, Young Jin, et autres
Publié: (2024)
par: Ahn, Young Jin, et autres
Publié: (2024)
Improving Audio-Visual Speech Recognition by Lip-Subword Correlation Based Visual Pre-training and Cross-Modal Fusion Encoder
par: Dai, Yusheng, et autres
Publié: (2023)
par: Dai, Yusheng, et autres
Publié: (2023)
Harm or Humor: A Multimodal, Multilingual Benchmark for Overt and Covert Harmful Humor
par: Sharshar, Ahmed, et autres
Publié: (2026)
par: Sharshar, Ahmed, et autres
Publié: (2026)
OWLS: Scaling Laws for Multilingual Speech Recognition and Translation Models
par: Chen, William, et autres
Publié: (2025)
par: Chen, William, et autres
Publié: (2025)
A Comparative Analysis of Bilingual and Trilingual Wav2Vec Models for Automatic Speech Recognition in Multilingual Oral History Archives
par: Lehečka, Jan, et autres
Publié: (2024)
par: Lehečka, Jan, et autres
Publié: (2024)
Towards Cross-Lingual Audio Abuse Detection in Low-Resource Settings with Few-Shot Learning
par: Sankaran, Aditya Narayan, et autres
Publié: (2024)
par: Sankaran, Aditya Narayan, et autres
Publié: (2024)
When Audio-Language Models Fail to Leverage Multimodal Context for Dysarthric Speech Recognition
par: Moure, Pehuén, et autres
Publié: (2026)
par: Moure, Pehuén, et autres
Publié: (2026)
Vision-Language Models Can't See the Obvious
par: Dahou, Yasser, et autres
Publié: (2025)
par: Dahou, Yasser, et autres
Publié: (2025)
FLEURS-R: A Restored Multilingual Speech Corpus for Generation Tasks
par: Ma, Min, et autres
Publié: (2024)
par: Ma, Min, et autres
Publié: (2024)
Survey of End-to-End Multi-Speaker Automatic Speech Recognition for Monaural Audio
par: He, Xinlu, et autres
Publié: (2025)
par: He, Xinlu, et autres
Publié: (2025)
MERLIN: A Testbed for Multilingual Multimodal Entity Recognition and Linking
par: Ramamoorthy, Sathyanarayanan, et autres
Publié: (2025)
par: Ramamoorthy, Sathyanarayanan, et autres
Publié: (2025)
Transformer-Encoder Trees for Efficient Multilingual Machine Translation and Speech Translation
par: Guan, Yiwen, et autres
Publié: (2025)
par: Guan, Yiwen, et autres
Publié: (2025)
EmoBox: Multilingual Multi-corpus Speech Emotion Recognition Toolkit and Benchmark
par: Ma, Ziyang, et autres
Publié: (2024)
par: Ma, Ziyang, et autres
Publié: (2024)
WorldSpeech: A Multilingual Speech Corpus from Around the World
par: Asonitis, Antonis, et autres
Publié: (2026)
par: Asonitis, Antonis, et autres
Publié: (2026)
Lightweight Operations for Visual Speech Recognition
par: Panagos, Iason Ioannis, et autres
Publié: (2025)
par: Panagos, Iason Ioannis, et autres
Publié: (2025)
PythonSaga: Redefining the Benchmark to Evaluate Code Generating LLMs
par: Yadav, Ankit, et autres
Publié: (2024)
par: Yadav, Ankit, et autres
Publié: (2024)
Multilingual Audio-Visual Speech Recognition with Hybrid CTC/RNN-T Fast Conformer
par: Burchi, Maxime, et autres
Publié: (2024)
par: Burchi, Maxime, et autres
Publié: (2024)
Improving Speech Recognition Error Prediction for Modern and Off-the-shelf Speech Recognizers
par: Serai, Prashant, et autres
Publié: (2024)
par: Serai, Prashant, et autres
Publié: (2024)
Automatic Speech Recognition for Sanskrit with Transfer Learning
par: Sadhukhan, Bidit, et autres
Publié: (2025)
par: Sadhukhan, Bidit, et autres
Publié: (2025)
Automatic Speech Recognition for Greek Medical Dictation
par: Georgilas, Vardis, et autres
Publié: (2025)
par: Georgilas, Vardis, et autres
Publié: (2025)
Towards Unsupervised Speech Recognition at the Syllable-Level
par: Wang, Liming, et autres
Publié: (2025)
par: Wang, Liming, et autres
Publié: (2025)
Mind the Pause: Disfluency-Aware Objective Tuning for Multilingual Speech Correction with LLMs
par: Kumar, Deepak, et autres
Publié: (2026)
par: Kumar, Deepak, et autres
Publié: (2026)
VietMed: A Dataset and Benchmark for Automatic Speech Recognition of Vietnamese in the Medical Domain
par: Le-Duc, Khai
Publié: (2024)
par: Le-Duc, Khai
Publié: (2024)
Brevity Constraints Reverse Performance Hierarchies in Language Models
par: Hakim, MD Azizul
Publié: (2026)
par: Hakim, MD Azizul
Publié: (2026)
AudioChatLlama: Towards General-Purpose Speech Abilities for LLMs
par: Fathullah, Yassir, et autres
Publié: (2023)
par: Fathullah, Yassir, et autres
Publié: (2023)
Documents similaires
-
Do Vision and Language Encoders Represent the World Similarly?
par: Maniparambil, Mayug, et autres
Publié: (2024) -
Open ASR Leaderboard: Towards Reproducible and Transparent Multilingual and Long-Form Speech Recognition Evaluation
par: Srivastav, Vaibhav, et autres
Publié: (2025) -
Harnessing Frozen Unimodal Encoders for Flexible Multimodal Alignment
par: Maniparambil, Mayug, et autres
Publié: (2024) -
Competitive Audio-Language Models with Data-Efficient Single-Stage Training on Public Data
par: Kumar, Gokul Karthik, et autres
Publié: (2025) -
RELOOP: Recursive Retrieval with Multi-Hop Reasoner and Planners for Heterogeneous QA
par: Yang, Ruiyi, et autres
Publié: (2025)