Buchumschlag

Wav2Small: Distilling Wav2Vec2 to 72K parameters for Low-Resource Speech emotion recognition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kounadis-Bastian, Dionyssos, Schrüfer, Oliver, Derington, Anna, Wierstorf, Hagen, Eyben, Florian, Burkhardt, Felix, Schuller, Björn
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Sound Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Testing Correctness, Fairness, and Robustness of Speech Emotion Recognition Models
von: Derington, Anna, et al.
Veröffentlicht: (2023)

Are you sure? Analysing Uncertainty Quantification Approaches for Real-world Speech Emotion Recognition
von: Schrüfer, Oliver, et al.
Veröffentlicht: (2024)

Teaching Wav2Vec2 the Language of the Brain
von: Fiedler, Tobias, et al.
Veröffentlicht: (2025)

SpecWav-Attack: Leveraging Spectrogram Resizing and Wav2Vec 2.0 for Attacking Anonymized Speech
von: Li, Yuqi, et al.
Veröffentlicht: (2025)

WavSLM: Single-Stream Speech Language Modeling via WavLM Distillation
von: Della Libera, Luca, et al.
Veröffentlicht: (2026)

A Closer Look at Wav2Vec2 Embeddings for On-Device Single-Channel Speech Enhancement
von: Shankar, Ravi, et al.
Veröffentlicht: (2024)

Exploring ASR-Based Wav2Vec2 for Automated Speech Disorder Assessment: Insights and Analysis
von: Nguyen, Tuan, et al.
Veröffentlicht: (2024)

Over-the-air White-box Attack on the Wav2Vec Speech Recognition Neural Network
von: Alexey, Protopopov
Veröffentlicht: (2026)

Exploring Pathological Speech Quality Assessment with ASR-Powered Wav2Vec2 in Data-Scarce Context
von: Nguyen, Tuan, et al.
Veröffentlicht: (2024)

Whisper Turns Stronger: Augmenting Wav2Vec 2.0 for Superior ASR in Low-Resource Languages
von: Anidjar, Or Haim, et al.
Veröffentlicht: (2024)

WavInWav: Time-domain Speech Hiding via Invertible Neural Network
von: Fan, Wei, et al.
Veröffentlicht: (2025)

Human-like Linguistic Biases in Neural Speech Models: Phonetic Categorization and Phonotactic Constraints in Wav2Vec2.0
von: Kloots, Marianne de Heer, et al.
Veröffentlicht: (2024)

Quality of Automatic Speech Recognition -- Polish Language case study -- from Wav2Vec to Scribe ElevenLabs
von: Pietroń, Marcin, et al.
Veröffentlicht: (2026)

Which one Performs Better? Wav2Vec or Whisper? Applying both in Badini Kurdish Speech to Text (BKSTT)
von: Adnan, Renas, et al.
Veröffentlicht: (2025)

Adaptability of ASR Models on Low-Resource Language: A Comparative Study of Whisper and Wav2Vec-BERT on Bangla
von: Ridoy, Md Sazzadul Islam, et al.
Veröffentlicht: (2025)

A Comparative Analysis of Bilingual and Trilingual Wav2Vec Models for Automatic Speech Recognition in Multilingual Oral History Archives
von: Lehečka, Jan, et al.
Veröffentlicht: (2024)

ROAR: Reinforcing Original to Augmented Data Ratio Dynamics for Wav2Vec2.0 Based ASR
von: Singh, Vishwanath Pratap, 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)

Transcription and translation of videos using fine-tuned XLSR Wav2Vec2 on custom dataset and mBART
von: Tathe, Aniket, et al.
Veröffentlicht: (2024)

Using voice analysis as an early indicator of risk for depression in young adults
von: Scherer, Klaus R., et al.
Veröffentlicht: (2024)

Wav2Gloss: Generating Interlinear Glossed Text from Speech
von: He, Taiqi, et al.
Veröffentlicht: (2024)

Evaluating the Representation of Vowels in Wav2Vec Feature Extractor: A Layer-Wise Analysis Using MFCCs
von: De Cristofaro, Domenico, et al.
Veröffentlicht: (2025)

Adapting WavLM for Speech Emotion Recognition
von: Diatlova, Daria, et al.
Veröffentlicht: (2024)

Speaker Emotion Recognition: Leveraging Self-Supervised Models for Feature Extraction Using Wav2Vec2 and HuBERT
von: Jafarzadeh, Pourya, et al.
Veröffentlicht: (2024)

End to end Hindi to English speech conversion using Bark, mBART and a finetuned XLSR Wav2Vec2
von: Tathe, Aniket, et al.
Veröffentlicht: (2024)

WavFusion: Towards wav2vec 2.0 Multimodal Speech Emotion Recognition
von: Li, Feng, et al.
Veröffentlicht: (2024)

Enrolment-based personalisation for improving individual-level fairness in speech emotion recognition
von: Triantafyllopoulos, Andreas, et al.
Veröffentlicht: (2024)

Enrolment-based personalisation for improving individual-level fairness in speech emotion recognition
von: Triantafyllopoulos, Andreas, et al.
Veröffentlicht: (2024)

Speaker Diarization for Low-Resource Languages Through Wav2vec Fine-Tuning
von: Abdullah, Abdulhady Abas, et al.
Veröffentlicht: (2025)

CPT-Boosted Wav2vec2.0: Towards Noise Robust Speech Recognition for Classroom Environments
von: Attia, Ahmed Adel, et al.
Veröffentlicht: (2024)

Exploring WavLM Back-ends for Speech Spoofing and Deepfake Detection
von: Stourbe, Theophile, et al.
Veröffentlicht: (2024)

WavLLM: Towards Robust and Adaptive Speech Large Language Model
von: Hu, Shujie, et al.
Veröffentlicht: (2024)

Demographic Attributes Prediction from Speech Using WavLM Embeddings
von: Yang, Yuchen, et al.
Veröffentlicht: (2025)

WavMark: Watermarking for Audio Generation
von: Chen, Guangyu, et al.
Veröffentlicht: (2023)

Wav2code: Restore Clean Speech Representations via Codebook Lookup for Noise-Robust ASR
von: Hu, Yuchen, et al.
Veröffentlicht: (2023)

UniWav: Towards Unified Pre-training for Speech Representation Learning and Generation
von: Liu, Alexander H., et al.
Veröffentlicht: (2025)

BrainWavLM: Fine-tuning Speech Representations with Brain Responses to Language
von: Vattikonda, Nishitha, et al.
Veröffentlicht: (2025)

Wav2Sem: Plug-and-Play Audio Semantic Decoupling for 3D Speech-Driven Facial Animation
von: Li, Hao, et al.
Veröffentlicht: (2025)

Wav2Prompt: End-to-End Speech Prompt Generation and Tuning For LLM in Zero and Few-shot Learning
von: Deng, Keqi, et al.
Veröffentlicht: (2024)

ManWav: The First Manchu ASR Model
von: Seo, Jean, et al.
Veröffentlicht: (2024)