Buchumschlag

Enhancing Audio-Language Models through Self-Supervised Post-Training with Text-Audio Pairs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sinha, Anshuman, Migozzi, Camille, Rey, Aubin, Zhang, Chao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Sound Machine Learning Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PTQ4ADM: Post-Training Quantization for Efficient Text Conditional Audio Diffusion Models
von: Vora, Jayneel, et al.
Veröffentlicht: (2024)

On the Transferability of Large-Scale Self-Supervision to Few-Shot Audio Classification
von: Heggan, Calum, et al.
Veröffentlicht: (2024)

SSLAM: Enhancing Self-Supervised Models with Audio Mixtures for Polyphonic Soundscapes
von: Alex, Tony, et al.
Veröffentlicht: (2025)

Fast Text-to-Audio Generation with Adversarial Post-Training
von: Novack, Zachary, et al.
Veröffentlicht: (2025)

Improving Perceptual Audio Aesthetic Assessment via Triplet Loss and Self-Supervised Embeddings
von: Wisnu, Dyah A. M. G., et al.
Veröffentlicht: (2025)

TACOS: Temporally-aligned Audio CaptiOnS for Language-Audio Pretraining
von: Primus, Paul, et al.
Veröffentlicht: (2025)

Cross-Referencing Self-Training Network for Sound Event Detection in Audio Mixtures
von: Park, Sangwook, et al.
Veröffentlicht: (2021)

RiTTA: Modeling Event Relations in Text-to-Audio Generation
von: He, Yuhang, et al.
Veröffentlicht: (2024)

Audio Flamingo: A Novel Audio Language Model with Few-Shot Learning and Dialogue Abilities
von: Kong, Zhifeng, et al.
Veröffentlicht: (2024)

"I am bad": Interpreting Stealthy, Universal and Robust Audio Jailbreaks in Audio-Language Models
von: Gupta, Isha, et al.
Veröffentlicht: (2025)

Estimated Audio-Caption Correspondences Improve Language-Based Audio Retrieval
von: Primus, Paul, et al.
Veröffentlicht: (2024)

Fusing Audio and Metadata Embeddings Improves Language-based Audio Retrieval
von: Primus, Paul, et al.
Veröffentlicht: (2024)

Audio Editing with Non-Rigid Text Prompts
von: Paissan, Francesco, et al.
Veröffentlicht: (2023)

Language Model Based Text-to-Audio Generation: Anti-Causally Aligned Collaborative Residual Transformers
von: Wang, Juncheng, et al.
Veröffentlicht: (2025)

Do Audio-Language Models Understand Linguistic Variations?
von: Selvakumar, Ramaneswaran, et al.
Veröffentlicht: (2024)

MATS: An Audio Language Model under Text-only Supervision
von: Wang, Wen, et al.
Veröffentlicht: (2025)

Creative Text-to-Audio Generation via Synthesizer Programming
von: Cherep, Manuel, et al.
Veröffentlicht: (2024)

AudioGenX: Explainability on Text-to-Audio Generative Models
von: Kang, Hyunju, et al.
Veröffentlicht: (2025)

Diffusion Models for Audio Restoration
von: Lemercier, Jean-Marie, et al.
Veröffentlicht: (2024)

A Language Model With Million Context Length For Raw Audio
von: Verma, Prateek
Veröffentlicht: (2022)

Can Synthetic Audio From Generative Foundation Models Assist Audio Recognition and Speech Modeling?
von: Feng, Tiantian, et al.
Veröffentlicht: (2024)

A2SB: Audio-to-Audio Schrodinger Bridges
von: Kong, Zhifeng, et al.
Veröffentlicht: (2025)

Guiding Audio Editing with Audio Language Model
von: Lan, Zitong, et al.
Veröffentlicht: (2025)

Learning Disentangled Audio Representations through Controlled Synthesis
von: Brima, Yusuf, et al.
Veröffentlicht: (2024)

From Coarse to Fine: Efficient Training for Audio Spectrogram Transformers
von: Feng, Jiu, et al.
Veröffentlicht: (2024)

Learning Spatially-Aware Language and Audio Embeddings
von: Devnani, Bhavika, et al.
Veröffentlicht: (2024)

Zero Shot Audio to Audio Emotion Transfer With Speaker Disentanglement
von: Dutta, Soumya, et al.
Veröffentlicht: (2024)

On Class Separability Pitfalls In Audio-Text Contrastive Zero-Shot Learning
von: Tavares, Tiago, et al.
Veröffentlicht: (2024)

The Rarity of Musical Audio Signals Within the Space of Possible Audio Generation
von: Collins, Nick
Veröffentlicht: (2024)

StethoLM: Audio Language Model for Cardiopulmonary Analysis Across Clinical Tasks
von: Wang, Yishan, et al.
Veröffentlicht: (2026)

Zero-Shot Unsupervised and Text-Based Audio Editing Using DDPM Inversion
von: Manor, Hila, et al.
Veröffentlicht: (2024)

An Enhanced Audio Feature Tailored for Anomalous Sound Detection Based on Pre-trained Models
von: Zhong, Guirui, et al.
Veröffentlicht: (2025)

Audio Match Cutting: Finding and Creating Matching Audio Transitions in Movies and Videos
von: Fedorishin, Dennis, et al.
Veröffentlicht: (2024)

CLAP-ART: Automated Audio Captioning with Semantic-rich Audio Representation Tokenizer
von: Takeuchi, Daiki, et al.
Veröffentlicht: (2025)

Audio Flamingo 2: An Audio-Language Model with Long-Audio Understanding and Expert Reasoning Abilities
von: Ghosh, Sreyan, et al.
Veröffentlicht: (2025)

EAT: Self-Supervised Pre-Training with Efficient Audio Transformer
von: Chen, Wenxi, et al.
Veröffentlicht: (2024)

Generating Sample-Based Musical Instruments Using Neural Audio Codec Language Models
von: Nercessian, Shahan, et al.
Veröffentlicht: (2024)

uaMix-MAE: Efficient Tuning of Pretrained Audio Transformers with Unsupervised Audio Mixtures
von: Tabassum, Afrina, et al.
Veröffentlicht: (2024)

EzAudio: Enhancing Text-to-Audio Generation with Efficient Diffusion Transformer
von: Hai, Jiarui, et al.
Veröffentlicht: (2024)

Text-Independent Speaker Identification Using Audio Looping With Margin Based Loss Functions
von: Garcia, Elliot Q C, et al.
Veröffentlicht: (2025)