:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ramoneda, Pedro, Parada-Cabaleiro, Emilia, Weck, Benno, Serra, Xavier
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Sound Artificial Intelligence Computation and Language Digital Libraries Audio and Speech Processing
Online-Zugang:	https://arxiv.org/abs/2409.01864
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Explainable and Interpretable Musical Difficulty Estimation: A Parameter-efficient Approach
von: Ramoneda, Pedro, et al.
Veröffentlicht: (2024)

WikiMuTe: A web-sourced dataset of semantic descriptions for music audio
von: Weck, Benno, et al.
Veröffentlicht: (2023)

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)

An Open Research Dataset of the 1932 Cairo Congress of Arab Music
von: Bozkurt, Baris
Veröffentlicht: (2025)

Benchmarking Music Autotagging with MGPHot Expert Annotations vs. Generic Tag Datasets
von: Ramoneda, Pedro, et al.
Veröffentlicht: (2025)

Can Audio Reveal Music Performance Difficulty? Insights from the Piano Syllabus Dataset
von: Ramoneda, Pedro, et al.
Veröffentlicht: (2024)

InaGVAD : a Challenging French TV and Radio Corpus Annotated for Speech Activity Detection and Speaker Gender Segmentation
von: Doukhan, David, et al.
Veröffentlicht: (2024)

MuChoMusic: Evaluating Music Understanding in Multimodal Audio-Language Models
von: Weck, Benno, et al.
Veröffentlicht: (2024)

Sanidha: A Studio Quality Multi-Modal Dataset for Carnatic Music
von: Krishnan, Venkatakrishnan Vaidyanathapuram, et al.
Veröffentlicht: (2025)

GraphMuse: A Library for Symbolic Music Graph Processing
von: Karystinaios, Emmanouil, et al.
Veröffentlicht: (2024)

The language of sound search: Examining User Queries in Audio Search Engines
von: Weck, Benno, et al.
Veröffentlicht: (2024)

The GigaMIDI Dataset with Features for Expressive Music Performance Detection
von: Lee, Keon Ju Maverick, et al.
Veröffentlicht: (2025)

Similar but Faster: Manipulation of Tempo in Music Audio Embeddings for Tempo Prediction and Search
von: McCallum, Matthew C., et al.
Veröffentlicht: (2024)

KuiSCIMA v2.0: Improved Baselines, Calibration, and Cross-Notation Generalization for Historical Chinese Music Notations in Jiang Kui's Baishidaoren Gequ
von: Repolusk, Tristan, et al.
Veröffentlicht: (2025)

Music Proofreading with RefinPaint: Where and How to Modify Compositions given Context
von: Ramoneda, Pedro, et al.
Veröffentlicht: (2024)

OMAR-RQ: Open Music Audio Representation Model Trained with Multi-Feature Masked Token Prediction
von: Alonso-Jiménez, Pablo, et al.
Veröffentlicht: (2025)

CrossMuSim: A Cross-Modal Framework for Music Similarity Retrieval with LLM-Powered Text Description Sourcing and Mining
von: Tsoi, Tristan, et al.
Veröffentlicht: (2025)

The Rest is Silence: Leveraging Unseen Species Models for Computational Musicology
von: Moss, Fabian C., et al.
Veröffentlicht: (2025)

AudioTrust: Benchmarking the Multifaceted Trustworthiness of Audio Large Language Models
von: Li, Kai, et al.
Veröffentlicht: (2025)

Get Large Language Models Ready to Speak: A Late-fusion Approach for Speech Generation
von: Shen, Maohao, et al.
Veröffentlicht: (2024)

Style-based Composer Identification and Attribution of Symbolic Music Scores: a Systematic Survey
von: Simonetta, Federico
Veröffentlicht: (2025)

WER We Stand: Benchmarking Urdu ASR Models
von: Arif, Samee, et al.
Veröffentlicht: (2024)

Customizing Speech Recognition Model with Large Language Model Feedback
von: Ling, Shaoshi, et al.
Veröffentlicht: (2025)

Large Language Models for Dysfluency Detection in Stuttered Speech
von: Wagner, Dominik, et al.
Veröffentlicht: (2024)

ASR Error Correction using Large Language Models
von: Ma, Rao, et al.
Veröffentlicht: (2024)

NatureLM-audio: an Audio-Language Foundation Model for Bioacoustics
von: Robinson, David, et al.
Veröffentlicht: (2024)

How Contrastive Decoding Enhances Large Audio Language Models?
von: Lin, Tzu-Quan, et al.
Veröffentlicht: (2026)

BLSP-Emo: Towards Empathetic Large Speech-Language Models
von: Wang, Chen, et al.
Veröffentlicht: (2024)

An End-to-End Speech Summarization Using Large Language Model
von: Shang, Hengchao, et al.
Veröffentlicht: (2024)

Closing the Modality Reasoning Gap for Speech Large Language Models
von: Wang, Chaoren, et al.
Veröffentlicht: (2026)

Spatial Audio Processing with Large Language Model on Wearable Devices
von: Mishra, Ayushi, et al.
Veröffentlicht: (2025)

Boosting Large Language Model for Speech Synthesis: An Empirical Study
von: Hao, Hongkun, et al.
Veröffentlicht: (2023)

SALMONN: Towards Generic Hearing Abilities for Large Language Models
von: Tang, Changli, et al.
Veröffentlicht: (2023)

Direct Simultaneous Translation Activation for Large Audio-Language Models
von: Zhang, Pei, et al.
Veröffentlicht: (2025)

Frozen Large Language Models Can Perceive Paralinguistic Aspects of Speech
von: Kang, Wonjune, et al.
Veröffentlicht: (2024)

ISA-Bench: Benchmarking Instruction Sensitivity for Large Audio Language Models
von: Li, Bohan, et al.
Veröffentlicht: (2025)

Leveraging Large Language Models for Sarcastic Speech Annotation in Sarcasm Detection
von: Li, Zhu, et al.
Veröffentlicht: (2025)

SpeechGuard: Exploring the Adversarial Robustness of Multimodal Large Language Models
von: Peri, Raghuveer, et al.
Veröffentlicht: (2024)

Audio Large Language Models Can Be Descriptive Speech Quality Evaluators
von: Chen, Chen, et al.
Veröffentlicht: (2025)

Paralinguistics-Aware Speech-Empowered Large Language Models for Natural Conversation
von: Kim, Heeseung, et al.
Veröffentlicht: (2024)