Buchumschlag

Speech to Speech Translation with Translatotron: A State of the Art Review

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kala, Jules R., Adetiba, Emmanuel, Abayom, Abdultaofeek, Dare, Oluwatobi E., Ifijeh, Ayodele H.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

BENYO-S2ST-Corpus-1: A Bilingual English-to-Yoruba Direct Speech-to-Speech Translation Corpus
von: Adetiba, Emmanuel, et al.
Veröffentlicht: (2025)

Translatotron-V(ison): An End-to-End Model for In-Image Machine Translation
von: Lan, Zhibin, et al.
Veröffentlicht: (2024)

Translatotron 3: Speech to Speech Translation with Monolingual Data
von: Nachmani, Eliya, et al.
Veröffentlicht: (2023)

Blending LLMs into Cascaded Speech Translation: KIT's Offline Speech Translation System for IWSLT 2024
von: Koneru, Sai, et al.
Veröffentlicht: (2024)

StressTransfer: Stress-Aware Speech-to-Speech Translation with Emphasis Preservation
von: Chen, Xi, et al.
Veröffentlicht: (2025)

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

Task Arithmetic for Language Expansion in Speech Translation
von: Cheng, Yao-Fei, et al.
Veröffentlicht: (2024)

Transformer-Encoder Trees for Efficient Multilingual Machine Translation and Speech Translation
von: Guan, Yiwen, et al.
Veröffentlicht: (2025)

Streaming Speech-to-Text Translation with a SpeechLLM
von: Parcollet, Titouan, et al.
Veröffentlicht: (2026)

Phonology-Guided Speech-to-Speech Translation for African Languages
von: Ochieng, Peter, et al.
Veröffentlicht: (2024)

From Flat Language Labels to Typological Priors: Structured Language Conditioning for Multilingual Speech-to-Speech Translation
von: Pan, Yu, et al.
Veröffentlicht: (2026)

FASST: Fast LLM-based Simultaneous Speech Translation
von: Ouyang, Siqi, et al.
Veröffentlicht: (2024)

CMU's IWSLT 2024 Simultaneous Speech Translation System
von: Xu, Xi, et al.
Veröffentlicht: (2024)

StreamSpeech: Simultaneous Speech-to-Speech Translation with Multi-task Learning
von: Zhang, Shaolei, et al.
Veröffentlicht: (2024)

SparQLe: Speech Queries to Text Translation Through LLMs
von: Djanibekov, Amirbek, et al.
Veröffentlicht: (2025)

Locate-and-Focus: Enhancing Terminology Translation in Speech Language Models
von: Wu, Suhang, et al.
Veröffentlicht: (2025)

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

End-to-End Evaluation for Low-Latency Simultaneous Speech Translation
von: Huber, Christian, et al.
Veröffentlicht: (2023)

Hearing to Translate: The Effectiveness of Speech Modality Integration into LLMs
von: Papi, Sara, et al.
Veröffentlicht: (2025)

Leveraging Unit Language Guidance to Advance Speech Modeling in Textless Speech-to-Speech Translation
von: Zhang, Yuhao, et al.
Veröffentlicht: (2025)

InfiniSST: Simultaneous Translation of Unbounded Speech with Large Language Model
von: Ouyang, Siqi, et al.
Veröffentlicht: (2025)

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

KIT's Offline Speech Translation and Instruction Following Submission for IWSLT 2025
von: Koneru, Sai, et al.
Veröffentlicht: (2025)

Samba-ASR: State-Of-The-Art Speech Recognition Leveraging Structured State-Space Models
von: Shakhadri, Syed Abdul Gaffar, et al.
Veröffentlicht: (2025)

Improving Direct Persian-English Speech-to-Speech Translation with Discrete Units and Synthetic Parallel Data
von: Rashidi, Sina, et al.
Veröffentlicht: (2025)

SeamlessExpressiveLM: Speech Language Model for Expressive Speech-to-Speech Translation with Chain-of-Thought
von: Gong, Hongyu, et al.
Veröffentlicht: (2024)

MOSS-Speech: Towards True Speech-to-Speech Models Without Text Guidance
von: Zhao, Xingjian, et al.
Veröffentlicht: (2025)

MoVE: Translating Laughter and Tears via Mixture of Vocalization Experts in Speech-to-Speech Translation
von: Chen, Szu-Chi, et al.
Veröffentlicht: (2026)

CA*: Addressing Evaluation Pitfalls in Computation-Aware Latency for Simultaneous Speech Translation
von: Xu, Xi, et al.
Veröffentlicht: (2024)

NeuSpeech: Decode Neural signal as Speech
von: Yang, Yiqian, et al.
Veröffentlicht: (2024)

TransVIP: Speech to Speech Translation System with Voice and Isochrony Preservation
von: Le, Chenyang, et al.
Veröffentlicht: (2024)

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

A Non-autoregressive Generation Framework for End-to-End Simultaneous Speech-to-Speech Translation
von: Ma, Zhengrui, et al.
Veröffentlicht: (2024)

MooER: LLM-based Speech Recognition and Translation Models from Moore Threads
von: Xu, Junhao, et al.
Veröffentlicht: (2024)

TEDxTN: A Three-way Speech Translation Corpus for Code-Switched Tunisian Arabic - English
von: Bougares, Fethi, et al.
Veröffentlicht: (2025)

Overcoming Latency Bottlenecks in On-Device Speech Translation: A Cascaded Approach with Alignment-Based Streaming MT
von: Ahmed, Zeeshan, et al.
Veröffentlicht: (2025)

SpeechR: A Benchmark for Speech Reasoning in Large Audio-Language Models
von: Yang, Wanqi, et al.
Veröffentlicht: (2025)

Better Late Than Never: Meta-Evaluation of Latency Metrics for Simultaneous Speech-to-Text Translation
von: Polák, Peter, et al.
Veröffentlicht: (2025)

Towards Fine-Grained Code-Switch Speech Translation with Semantic Space Alignment
von: Gao, Yan, et al.
Veröffentlicht: (2025)

UITron-Speech: Towards Automated GUI Agents Based on Speech Instructions
von: Han, Wenkang, et al.
Veröffentlicht: (2025)