:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Aggarwal, Vaibhav, Nair, Shabari S, Verma, Yash, Jogi, Yash
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Audio and Speech Processing Machine Learning
Online-Zugang:	https://arxiv.org/abs/2502.13446
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Improving Rare-Word Recognition of Whisper in Zero-Shot Settings
von: Jogi, Yash, et al.
Veröffentlicht: (2025)

RiTTA: Modeling Event Relations in Text-to-Audio Generation
von: He, Yuhang, et al.
Veröffentlicht: (2024)

MaskCycleGAN-based Whisper to Normal Speech Conversion
von: Gupta, K. Rohith, et al.
Veröffentlicht: (2024)

Whisper-GPT: A Hybrid Representation Audio Large Language Model
von: Verma, Prateek
Veröffentlicht: (2024)

Investigating Confidence Estimation Measures for Speaker Diarization
von: Chowdhury, Anurag, et al.
Veröffentlicht: (2024)

SE-DiCoW: Self-Enrolled Diarization-Conditioned Whisper
von: Polok, Alexander, et al.
Veröffentlicht: (2026)

Fine-Tuning Whisper for Inclusive Prosodic Stress Analysis
von: Sohn, Samuel S., et al.
Veröffentlicht: (2025)

Quartered Spectral Envelope and 1D-CNN-based Classification of Normally Phonated and Whispered Speech
von: Joysingh, S. Johanan, et al.
Veröffentlicht: (2024)

Quartered Chirp Spectral Envelope for Whispered vs Normal Speech Classification
von: Joysingh, S. Johanan, et al.
Veröffentlicht: (2024)

WhisperRT -- Turning Whisper into a Causal Streaming Model
von: Krichli, Tomer, et al.
Veröffentlicht: (2025)

Whispy: Adapting STT Whisper Models to Real-Time Environments
von: Bevilacqua, Antonio, et al.
Veröffentlicht: (2024)

WhisperD: Dementia Speech Recognition and Filler Word Detection with Whisper
von: Akinrintoyo, Emmanuel, et al.
Veröffentlicht: (2025)

TeLeS: Temporal Lexeme Similarity Score to Estimate Confidence in End-to-End ASR
von: Ravi, Nagarathna, et al.
Veröffentlicht: (2024)

Non-Intrusive Speech Intelligibility Prediction for Hearing Aids using Whisper and Metadata
von: Zezario, Ryandhimas E., et al.
Veröffentlicht: (2023)

Behind the Scenes: Mechanistic Interpretability of LoRA-adapted Whisper for Speech Emotion Recognition
von: Ma, Yujian, et al.
Veröffentlicht: (2025)

WhiSQA: Non-Intrusive Speech Quality Prediction Using Whisper Encoder Features
von: Close, George, et al.
Veröffentlicht: (2025)

Expressive Timing in Hindustani Vocal Music
von: Bhake, Yash, et al.
Veröffentlicht: (2025)

Optimizing Multi-Stuttered Speech Classification: Leveraging Whisper's Encoder for Efficient Parameter Reduction in Automated Assessment
von: Ameer, Huma, et al.
Veröffentlicht: (2024)

A Language Model With Million Context Length For Raw Audio
von: Verma, Prateek
Veröffentlicht: (2022)

Whilter: A Whisper-based Data Filter for "In-the-Wild" Speech Corpora Using Utterance-level Multi-Task Classification
von: Ravenscroft, William, et al.
Veröffentlicht: (2025)

Whisper Smarter, not Harder: Adversarial Attack on Partial Suppression
von: Wong, Zheng Jie, et al.
Veröffentlicht: (2025)

Leveraging Whisper Embeddings for Audio-based Lyrics Matching
von: Mancini, Eleonora, et al.
Veröffentlicht: (2025)

Audio-to-Score Conversion Model Based on Whisper methodology
von: Zhang, Hongyao, et al.
Veröffentlicht: (2024)

Whisper in Medusa's Ear: Multi-head Efficient Decoding for Transformer-based ASR
von: Segal-Feldman, Yael, et al.
Veröffentlicht: (2024)

Melodic and Metrical Elements of Expressiveness in Hindustani Vocal Music
von: Bhake, Yash, et al.
Veröffentlicht: (2025)

Whisper-RIR-Mega: A Paired Clean-Reverberant Speech Benchmark for ASR Robustness to Room Acoustics
von: Goswami, Mandip
Veröffentlicht: (2026)

TellWhisper: Tell Whisper Who Speaks When
von: Hu, Yifan, et al.
Veröffentlicht: (2026)

Plug-in Losses for Evidential Deep Learning: A Simplified Framework for Uncertainty Estimation that Includes the Softmax Classifier
von: Hayta, Berk, et al.
Veröffentlicht: (2026)

Analyzing and Fine-Tuning Whisper Models for Multilingual Pilot Speech Transcription in the Cockpit
von: Nareddy, Kartheek Kumar Reddy, et al.
Veröffentlicht: (2025)

Enhancing Aviation Communication Transcription: Fine-Tuning Distil-Whisper with LoRA
von: Mirzaei, Shokoufeh, et al.
Veröffentlicht: (2025)

CSyMR: Benchmarking Compositional Music Information Retrieval in Symbolic Music Reasoning
von: Wang, Boyang, et al.
Veröffentlicht: (2025)

$C^2$AV-TSE: Context and Confidence-aware Audio Visual Target Speaker Extraction
von: Wu, Wenxuan, et al.
Veröffentlicht: (2025)

Acoustics-specific Piano Velocity Estimation
von: Simonetta, Federico, et al.
Veröffentlicht: (2022)

Thinking While Listening: Simple Test Time Scaling For Audio Classification
von: Verma, Prateek, et al.
Veröffentlicht: (2025)

Sound Event Detection and Localization with Distance Estimation
von: Krause, Daniel Aleksander, et al.
Veröffentlicht: (2024)

Cross-Attention with Confidence Weighting for Multi-Channel Audio Alignment
von: Nihal, Ragib Amin, et al.
Veröffentlicht: (2025)

Conformer-1: Robust ASR via Large-Scale Semisupervised Bootstrapping
von: Zhang, Kevin, et al.
Veröffentlicht: (2024)

Toward Fully Self-Supervised Multi-Pitch Estimation
von: Cwitkowitz, Frank, et al.
Veröffentlicht: (2024)

HRTF Estimation using a Score-based Prior
von: Thuillier, Etienne, et al.
Veröffentlicht: (2024)

Investigating an Overfitting and Degeneration Phenomenon in Self-Supervised Multi-Pitch Estimation
von: Cwitkowitz, Frank, et al.
Veröffentlicht: (2025)