Buchumschlag

Speakers Unembedded: Embedding-free Approach to Long-form Neural Diarization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Xiang, Govindan, Vivek, Paturi, Rohit, Srinivasan, Sundararajan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Audio and Speech Processing Artificial Intelligence Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AG-LSEC: Audio Grounded Lexical Speaker Error Correction
von: Paturi, Rohit, et al.
Veröffentlicht: (2024)

SEAL: Speaker Error Correction using Acoustic-conditioned Large Language Models
von: Kumar, Anurag, et al.
Veröffentlicht: (2025)

ASR-Synchronized Speaker-Role Diarization
von: Ghosh, Arindam, et al.
Veröffentlicht: (2025)

Leveraging Speaker Embeddings in End-to-End Neural Diarization for Two-Speaker Scenarios
von: Alvarez-Trejos, Juan Ignacio, et al.
Veröffentlicht: (2024)

Exploring Speech Foundation Models for Speaker Diarization in Child-Adult Dyadic Interactions
von: Xu, Anfeng, et al.
Veröffentlicht: (2024)

Iterative LLM-based improvement for French Clinical Interview Transcription and Speaker Diarization
von: Marie, Ambre, et al.
Veröffentlicht: (2026)

Make It Hard to Hear, Easy to Learn: Long-Form Bengali ASR and Speaker Diarization via Extreme Augmentation and Perfect Alignment
von: Hasan, Sanjid, et al.
Veröffentlicht: (2026)

TIMIT Speaker Profiling: A Comparison of Multi-task learning and Single-task learning Approaches
von: Wang, Rong, et al.
Veröffentlicht: (2024)

DiarizationLM: Speaker Diarization Post-Processing with Large Language Models
von: Wang, Quan, et al.
Veröffentlicht: (2024)

From Modular to End-to-End Speaker Diarization
von: Landini, Federico
Veröffentlicht: (2024)

Personalized Speech Enhancement Without a Separate Speaker Embedding Model
von: Pärnamaa, Tanel, et al.
Veröffentlicht: (2024)

Improving Neural Diarization through Speaker Attribute Attractors and Local Dependency Modeling
von: Palzer, David, et al.
Veröffentlicht: (2025)

SDBench: A Comprehensive Benchmark Suite for Speaker Diarization
von: Pacheco, Eduardo, et al.
Veröffentlicht: (2025)

Investigating Confidence Estimation Measures for Speaker Diarization
von: Chowdhury, Anurag, et al.
Veröffentlicht: (2024)

Multi-Stage Speaker Diarization for Noisy Classrooms
von: Khan, Ali Sartaz, et al.
Veröffentlicht: (2025)

Language Modelling for Speaker Diarization in Telephonic Interviews
von: India, Miquel, et al.
Veröffentlicht: (2025)

Speaker- and Text-Independent Estimation of Articulatory Movements and Phoneme Alignments from Speech
von: Weise, Tobias, et al.
Veröffentlicht: (2024)

A Semi-Automatic Approach to Create Large Gender- and Age-Balanced Speaker Corpora: Usefulness of Speaker Diarization & Identification
von: Uro, Rémi, et al.
Veröffentlicht: (2024)

End-to-End Supervised Hierarchical Graph Clustering for Speaker Diarization
von: Singh, Prachi, et al.
Veröffentlicht: (2024)

SimulU: Training-free Policy for Long-form Simultaneous Speech-to-Speech Translation
von: Djanibekov, Amirbek, et al.
Veröffentlicht: (2026)

Learning to Rewrite Prompts for Bootstrapping LLMs on Downstream Tasks
von: Zhou, Qinhao, et al.
Veröffentlicht: (2025)

Mitigating Intra-Speaker Variability in Diarization with Style-Controllable Speech Augmentation
von: Kim, Miseul, et al.
Veröffentlicht: (2025)

Large Language Model Based Generative Error Correction: A Challenge and Baselines for Speech Recognition, Speaker Tagging, and Emotion Recognition
von: Yang, Chao-Han Huck, et al.
Veröffentlicht: (2024)

Evaluating the Effectiveness of Transformer Layers in Wav2Vec 2.0, XLS-R, and Whisper for Speaker Identification Tasks
von: Stuhlmann, Linus, et al.
Veröffentlicht: (2025)

ASoBO: Attentive Beamformer Selection for Distant Speaker Diarization in Meetings
von: Mariotte, Theo, et al.
Veröffentlicht: (2024)

Self-Tuning Spectral Clustering for Speaker Diarization
von: Raghav, Nikhil, et al.
Veröffentlicht: (2024)

GenTSE: Enhancing Target Speaker Extraction via a Coarse-to-Fine Generative Language Model
von: Li, Haoyang, et al.
Veröffentlicht: (2025)

Latent Speech-Text Transformer
von: Lu, Yen-Ju, et al.
Veröffentlicht: (2025)

Speaker Diarization with Overlapping Community Detection Using Graph Attention Networks and Label Propagation Algorithm
von: Li, Zhaoyang, et al.
Veröffentlicht: (2025)

Speech Enhancement Using Continuous Embeddings of Neural Audio Codec
von: Li, Haoyang, et al.
Veröffentlicht: (2025)

Bangla-WhisperDiar: Fine-Tuning Whisper and PyAnnote for Bangla Long-Form Speech Recognition and Speaker Diarization
von: Bhuiyan, Mohammed Aman, et al.
Veröffentlicht: (2026)

Towards Speaker Identification with Minimal Dataset and Constrained Resources using 1D-Convolution Neural Network
von: Shahan, Irfan Nafiz, et al.
Veröffentlicht: (2024)

The Speech-LLM Takes It All: A Truly Fully End-to-End Spoken Dialogue State Tracking Approach
von: Ghazal, Nizar El, et al.
Veröffentlicht: (2025)

Unsupervised Speaker Diarization in Distributed IoT Networks Using Federated Learning
von: Bhuyan, Amit Kumar, et al.
Veröffentlicht: (2024)

SpeakerLLM: A Speaker-Specialized Audio-LLM for Speaker Understanding and Verification Reasoning
von: Nam, KiHyun, et al.
Veröffentlicht: (2026)

Neural Blind Source Separation and Diarization for Distant Speech Recognition
von: Bando, Yoshiaki, et al.
Veröffentlicht: (2024)

COMET: Concept Space Dissection of the Modality Gap in Audio-Text Multimodal Contrastive Embeddings
von: Zhu, Yonggang, et al.
Veröffentlicht: (2026)

LiSTEN: Learning Soft Token Embeddings for Neural Audio LLMs
von: Mousavi, Pooneh, et al.
Veröffentlicht: (2025)

A Unified Speech LLM for Diarization and Speech Recognition in Multilingual Conversations
von: Saengthong, Phurich, et al.
Veröffentlicht: (2025)

TICL: Text-Embedding KNN For Speech In-Context Learning Unlocks Speech Recognition Abilities of Large Multimodal Models
von: Zheng, Haolong, et al.
Veröffentlicht: (2025)