Buchumschlag

MOSEL: 950,000 Hours of Speech Data for Open-Source Speech Foundation Model Training on EU Languages

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gaido, Marco, Papi, Sara, Bentivogli, Luisa, Brutti, Alessio, Cettolo, Mauro, Gretter, Roberto, Matassoni, Marco, Nabih, Mohamed, Negri, Matteo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence Sound Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FAMA: The First Large-Scale Open-Science Speech Foundation Model for English and Italian
von: Papi, Sara, et al.
Veröffentlicht: (2025)

The Warmup Dilemma: How Learning Rate Strategies Impact Speech-to-Text Model Convergence
von: Gaido, Marco, et al.
Veröffentlicht: (2025)

Simulstream: Open-Source Toolkit for Evaluation and Demonstration of Streaming Speech-to-Text Translation Systems
von: Gaido, Marco, et al.
Veröffentlicht: (2025)

SimulSeamless: FBK at IWSLT 2024 Simultaneous Speech Translation
von: Papi, Sara, et al.
Veröffentlicht: (2024)

SPES: Spectrogram Perturbation for Explainable Speech-to-Text Generation
von: Fucci, Dennis, et al.
Veröffentlicht: (2024)

StreamAtt: Direct Streaming Speech-to-Text Translation with Attention-based Audio History Selection
von: Papi, Sara, et al.
Veröffentlicht: (2024)

How to Evaluate Speech Translation with Source-Aware Neural MT Metrics
von: Cettolo, Mauro, et al.
Veröffentlicht: (2025)

Speech Translation with Speech Foundation Models and Large Language Models: What is There and What is Missing?
von: Gaido, Marco, et al.
Veröffentlicht: (2024)

Speech LLMs in Low-Resource Scenarios: Data Volume Requirements and the Impact of Pretraining on High-Resource Languages
von: Fong, Seraphina, et al.
Veröffentlicht: (2025)

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

How do Hyenas deal with Human Speech? Speech Recognition and Translation with ConfHyena
von: Gaido, Marco, et al.
Veröffentlicht: (2024)

SBAAM! Eliminating Transcript Dependency in Automatic Subtitling
von: Gaido, Marco, et al.
Veröffentlicht: (2024)

Prepending or Cross-Attention for Speech-to-Text? An Empirical Comparison
von: Lam, Tsz Kin, et al.
Veröffentlicht: (2025)

Cross-Attention is Half Explanation in Speech-to-Text Models
von: Papi, Sara, et al.
Veröffentlicht: (2025)

Speech Foundation Models and Crowdsourcing for Efficient, High-Quality Data Collection
von: Lee, Beomseok, et al.
Veröffentlicht: (2024)

Speech-MASSIVE: A Multilingual Speech Dataset for SLU and Beyond
von: Lee, Beomseok, et al.
Veröffentlicht: (2024)

Echoes of Phonetics: Unveiling Relevant Acoustic Cues for ASR via Feature Attribution
von: Fucci, Dennis, et al.
Veröffentlicht: (2025)

AlignAtt: Using Attention-based Audio-Translation Alignments as a Guide for Simultaneous Speech Translation
von: Papi, Sara, et al.
Veröffentlicht: (2023)

The Eloquence team submission for task 1 of MLC-SLM challenge
von: Concina, Lorenzo, et al.
Veröffentlicht: (2025)

Input Conditioned Layer Dropping in Speech Foundation Models
von: Hannan, Abdul, et al.
Veröffentlicht: (2025)

Granary: Speech Recognition and Translation Dataset in 25 European Languages
von: Koluguri, Nithin Rao, et al.
Veröffentlicht: (2025)

The Unheard Alternative: Contrastive Explanations for Speech-to-Text Models
von: Conti, Lina, et al.
Veröffentlicht: (2025)

Voice, Bias, and Coreference: An Interpretability Study of Gender in Speech Translation
von: Conti, Lina, et al.
Veröffentlicht: (2025)

Different Speech Translation Models Encode and Translate Speaker Gender Differently
von: Fucci, Dennis, et al.
Veröffentlicht: (2025)

Federating Dynamic Models using Early-Exit Architectures for Automatic Speech Recognition on Heterogeneous Clients
von: Ali, Mohamed Nabih, et al.
Veröffentlicht: (2024)

DOA: Training-Free Decoder-Only Attention Policy for Long-Form Simultaneous Translation with SpeechLLMs
von: Papi, Sara, et al.
Veröffentlicht: (2026)

Habibi: Laying the Open-Source Foundation of Unified-Dialectal Arabic Speech Synthesis
von: Chen, Yushen, et al.
Veröffentlicht: (2026)

End-to-End Integration of Speech Separation and Voice Activity Detection for Low-Latency Diarization of Telephone Conversations
von: Morrone, Giovanni, et al.
Veröffentlicht: (2023)

Hallucination Benchmark for Speech Foundation Models
von: Koudounas, Alkis, et al.
Veröffentlicht: (2025)

SpeechColab Leaderboard: An Open-Source Platform for Automatic Speech Recognition Evaluation
von: Du, Jiayu, et al.
Veröffentlicht: (2024)

Exploiting Foundation Models and Speech Enhancement for Parkinson's Disease Detection from Speech in Real-World Operative Conditions
von: La Quatra, Moreno, et al.
Veröffentlicht: (2024)

Open-Source System for Multilingual Translation and Cloned Speech Synthesis
von: Cámara, Mateo, et al.
Veröffentlicht: (2025)

Training dynamic models using early exits for automatic speech recognition on resource-constrained devices
von: Wright, George August, et al.
Veröffentlicht: (2023)

When Good and Reproducible Results are a Giant with Feet of Clay: The Importance of Software Quality in NLP
von: Papi, Sara, et al.
Veröffentlicht: (2023)

Advancing Zero-Shot Open-Set Speech Deepfake Source Tracing
von: Chhibber, Manasi, et al.
Veröffentlicht: (2025)

Amphion: An Open-Source Audio, Music and Speech Generation Toolkit
von: Zhang, Xueyao, et al.
Veröffentlicht: (2023)

MAD Speech: Measures of Acoustic Diversity of Speech
von: Futeral, Matthieu, et al.
Veröffentlicht: (2024)

Open Source State-Of-the-Art Solution for Romanian Speech Recognition
von: Pirlogeanu, Gabriel, et al.
Veröffentlicht: (2025)

On the Effects of Heterogeneous Data Sources on Speech-to-Text Foundation Models
von: Tian, Jinchuan, et al.
Veröffentlicht: (2024)

Large Language Models are Strong Audio-Visual Speech Recognition Learners
von: Cappellazzo, Umberto, et al.
Veröffentlicht: (2024)