The language of sound search: Examining User Queries in Audio Search Engines

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Weck, Benno, Font, Frederic
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Human-Computer Interaction Information Retrieval Machine Learning Sound Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Navigating Speech Recording Collections with AI-Generated Illustrations
von: Håland, Sirina, et al.
Veröffentlicht: (2025)

Quality Audio Prototyping: a prototype system for unified sound retrieval and procedural generation
von: Garcia, Nelly, et al.
Veröffentlicht: (2026)

Beyond Musical Descriptors: Extracting Preference-Bearing Intent in Music Queries
von: Baranes, Marion, et al.
Veröffentlicht: (2026)

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

VoXtream: Full-Stream Text-to-Speech with Extremely Low Latency
von: Torgashov, Nikita, et al.
Veröffentlicht: (2025)

Abjad-Kids: An Arabic Speech Classification Dataset for Primary Education
von: Snoubara, Abdul Aziz, et al.
Veröffentlicht: (2026)

Spontaneous Informal Speech Dataset for Punctuation Restoration
von: Liu, Xing Yi, et al.
Veröffentlicht: (2024)

AIx Speed: Playback Speed Optimization Using Listening Comprehension of Speech Recognition Models
von: Kawamura, Kazuki, et al.
Veröffentlicht: (2024)

Loop Copilot: Conducting AI Ensembles for Music Generation and Iterative Editing
von: Zhang, Yixiao, et al.
Veröffentlicht: (2023)

A conversational gesture synthesis system based on emotions and semantics
von: Hoang-Minh, Thanh
Veröffentlicht: (2025)

LLAMAPIE: Proactive In-Ear Conversation Assistants
von: Chen, Tuochao, et al.
Veröffentlicht: (2025)

VoXtream2: Full-stream TTS with dynamic speaking rate control
von: Torgashov, Nikita, et al.
Veröffentlicht: (2026)

Literary and Colloquial Tamil Dialect Identification
von: Nanmalar, M., et al.
Veröffentlicht: (2024)

Efficient Ensemble for Multimodal Punctuation Restoration using Time-Delay Neural Network
von: Liu, Xing Yi, et al.
Veröffentlicht: (2023)

Lla-VAP: LSTM Ensemble of Llama and VAP for Turn-Taking Prediction
von: Jeon, Hyunbae, et al.
Veröffentlicht: (2024)

Exploring Situated Stabilities of a Rhythm Generation System through Variational Cross-Examination
von: Kotowski, Błażej, et al.
Veröffentlicht: (2025)

Audio2Face-3D: Audio-driven Realistic Facial Animation For Digital Avatars
von: NVIDIA, et al.
Veröffentlicht: (2025)

Technical Report on classification of literature related to children speech disorder
von: Wang, Ziang, et al.
Veröffentlicht: (2025)

I can listen but cannot read: An evaluation of two-tower multimodal systems for instrument recognition
von: Vasilakis, Yannis, et al.
Veröffentlicht: (2024)

More than words: Advancements and challenges in speech recognition for singing
von: Kruspe, Anna
Veröffentlicht: (2024)

Audio Turing Test: Benchmarking the Human-likeness of Large Language Model-based Text-to-Speech Systems in Chinese
von: Wang, Xihuai, et al.
Veröffentlicht: (2025)

Towards Reliable Large Audio Language Model
von: Ma, Ziyang, et al.
Veröffentlicht: (2025)

The effect of self-motion and room familiarity on sound source localization in virtual environments
von: Isserstedt, Niklas, et al.
Veröffentlicht: (2024)

ExSampling: a system for the real-time ensemble performance of field-recorded environmental sounds
von: Kobayashi, Atsuya, et al.
Veröffentlicht: (2020)

Hidden bawls, whispers, and yelps: can text be made to sound more than just its words?
von: Pataca, Caluã de Lacerda, et al.
Veröffentlicht: (2022)

Artificial Neural Networks to Recognize Speakers Division from Continuous Bengali Speech
von: Ali, Hasmot, et al.
Veröffentlicht: (2024)

Harnessing Smartwatch Microphone Sensors for Cough Detection and Classification
von: Jaiswal, Pranay, et al.
Veröffentlicht: (2024)

SonicSieve: Bringing Directional Speech Extraction to Smartphones Using Acoustic Microstructures
von: Yuan, Kuang, et al.
Veröffentlicht: (2025)

Improving AI-generated music with user-guided training
von: Singh, Vishwa Mohan, et al.
Veröffentlicht: (2025)

Human Feedback Driven Dynamic Speech Emotion Recognition
von: Fedorov, Ilya, et al.
Veröffentlicht: (2025)

Detecting COPD Through Speech Analysis: A Dataset of Danish Speech and Machine Learning Approach
von: Sankey-Olsen, Cuno, et al.
Veröffentlicht: (2025)

Optimizing Multilingual Text-To-Speech with Accents & Emotions
von: Pawar, Pranav, et al.
Veröffentlicht: (2025)

DOO-RE: A dataset of ambient sensors in a meeting room for activity recognition
von: Kim, Hyunju, et al.
Veröffentlicht: (2024)

Voice Passing : a Non-Binary Voice Gender Prediction System for evaluating Transgender voice transition
von: Doukhan, David, et al.
Veröffentlicht: (2024)

Seeing Beyond Sound: Visualization and Abstraction in Audio Data Representation
von: Blum'e, Ashlae
Veröffentlicht: (2025)

SACM: SEEG-Audio Contrastive Matching for Chinese Speech Decoding
von: Wang, Hongbin, et al.
Veröffentlicht: (2025)

FeatureSense: Protecting Speaker Attributes in Always-On Audio Sensing System
von: Chhaglani, Bhawana, et al.
Veröffentlicht: (2025)

Learning Relationships Between Separate Audio Tracks for Creative Applications
von: Bujard, Balthazar, et al.
Veröffentlicht: (2025)

A Mapping Strategy for Interacting with Latent Audio Synthesis Using Artistic Materials
von: Zheng, Shuoyang, et al.
Veröffentlicht: (2024)