Buchumschlag

Diffused Responsibility: Analyzing the Energy Consumption of Generative Text-to-Audio Diffusion Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Passoni, Riccardo, Ronchini, Francesca, Comanducci, Luca, Serizel, Romain, Antonacci, Fabio
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Audio and Speech Processing Artificial Intelligence Machine Learning Sound
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Synthetic training set generation using text-to-audio models for environmental sound classification
von: Ronchini, Francesca, et al.
Veröffentlicht: (2024)

MambaFoley: Foley Sound Generation using Selective State-Space Models
von: Colombo, Marco Furio, et al.
Veröffentlicht: (2024)

PAGURI: a user experience study of creative interaction with text-to-music models
von: Ronchini, Francesca, et al.
Veröffentlicht: (2024)

AI-Assisted Music Production: A User Study on Text-to-Music Models
von: Ronchini, Francesca, et al.
Veröffentlicht: (2025)

Performance and energy balance: a comprehensive study of state-of-the-art sound event detection systems
von: Ronchini, Francesca, et al.
Veröffentlicht: (2023)

Mind the Prompt: Prompting Strategies in Audio Generations for Improving Sound Classification
von: Ronchini, Francesca, et al.
Veröffentlicht: (2025)

DiffusionRIR: Room Impulse Response Interpolation using Diffusion Models
von: Della Torre, Sagi, et al.
Veröffentlicht: (2025)

Towards HRTF Personalization using Denoising Diffusion Models
von: Sánchez, Juan Camilo Albarracín, et al.
Veröffentlicht: (2025)

A benchmark of state-of-the-art sound event detection systems evaluated on synthetic soundscapes
von: Ronchini, Francesca, et al.
Veröffentlicht: (2022)

Interpreting End-to-End Deep Learning Models for Speech Source Localization Using Layer-wise Relevance Propagation
von: Comanducci, Luca, et al.
Veröffentlicht: (2024)

Mitigating data replication in text-to-audio generative diffusion models through anti-memorization guidance
von: Messina, Francisco, et al.
Veröffentlicht: (2025)

Room Transfer Function Reconstruction Using Complex-valued Neural Networks and Irregularly Distributed Microphones
von: Ronchini, Francesca, et al.
Veröffentlicht: (2024)

DreamAudio: Customized Text-to-Audio Generation with Diffusion Models
von: Yuan, Yi, et al.
Veröffentlicht: (2025)

AudioTurbo: Fast Text-to-Audio Generation with Rectified Diffusion
von: Zhao, Junqi, et al.
Veröffentlicht: (2025)

Energy Consumption Trends in Sound Event Detection Systems
von: Douwes, Constance, et al.
Veröffentlicht: (2024)

Reconstruction of Sound Field through Diffusion Models
von: Miotello, Federico, et al.
Veröffentlicht: (2023)

Frequency-Weighted Training Losses for Phoneme-Level DNN-based Speech Enhancement
von: Monir, Nasser-Eddine, et al.
Veröffentlicht: (2025)

The impact of non-target events in synthetic soundscapes for sound event detection
von: Ronchini, Francesca, et al.
Veröffentlicht: (2021)

Speaker Embeddings to Improve Tracking of Intermittent and Moving Speakers
von: Iatariene, Taous, et al.
Veröffentlicht: (2025)

Towards Low-Latency Tracking of Multiple Speakers With Short-Context Speaker Embeddings
von: Iatariene, Taous, et al.
Veröffentlicht: (2025)

Latent Watermarking of Audio Generative Models
von: Roman, Robin San, et al.
Veröffentlicht: (2024)

Angular Distance Distribution Loss for Audio Classification
von: Almudévar, Antonio, et al.
Veröffentlicht: (2024)

FakeMusicCaps: a Dataset for Detection and Attribution of Synthetic Music Generated via Text-to-Music Models
von: Comanducci, Luca, et al.
Veröffentlicht: (2024)

Description and analysis of novelties introduced in DCASE Task 4 2022 on the baseline system
von: Ronchini, Francesca, et al.
Veröffentlicht: (2022)

Diffusion-based Unsupervised Audio-visual Speech Enhancement
von: Ayilo, Jean-Eudes, et al.
Veröffentlicht: (2024)

Auffusion: Leveraging the Power of Diffusion and Large Language Models for Text-to-Audio Generation
von: Xue, Jinlong, et al.
Veröffentlicht: (2024)

ControlAudio: Tackling Text-Guided, Timing-Indicated and Intelligible Audio Generation via Progressive Diffusion Modeling
von: Jiang, Yuxuan, et al.
Veröffentlicht: (2025)

Estimating Musical Surprisal from Audio in Autoregressive Diffusion Model Noise Spaces
von: Bjare, Mathias Rose, et al.
Veröffentlicht: (2025)

Audio-Conditioned Diffusion LLMs for ASR and Deliberation Processing
von: Wang, Mengqi, et al.
Veröffentlicht: (2025)

SynSonic: Augmenting Sound Event Detection through Text-to-Audio Diffusion ControlNet and Effective Sample Filtering
von: Hai, Jiarui, et al.
Veröffentlicht: (2025)

DualSpec: Text-to-spatial-audio Generation via Dual-Spectrogram Guided Diffusion Model
von: Zhao, Lei, et al.
Veröffentlicht: (2025)

LiteFocus: Accelerated Diffusion Inference for Long Audio Synthesis
von: Tan, Zhenxiong, et al.
Veröffentlicht: (2024)

Inference-time Scaling for Diffusion-based Audio Super-resolution
von: Jin, Yizhu, et al.
Veröffentlicht: (2025)

Audio Deepfake Detection in the Age of Advanced Text-to-Speech models
von: Singh, Robin, et al.
Veröffentlicht: (2026)

TTMBA: Towards Text To Multiple Sources Binaural Audio Generation
von: He, Yuxuan, et al.
Veröffentlicht: (2025)

Expressive Range Characterization of Open Text-to-Audio Models
von: Morse, Jonathan, et al.
Veröffentlicht: (2025)

Modeling Time-Variant Responses of Optical Compressors with Selective State Space Models
von: Simionato, Riccardo, et al.
Veröffentlicht: (2024)

VR-PTOLEMAIC: A Virtual Environment for the Perceptual Testing of Spatial Audio Algorithms
von: Ostan, Paolo, et al.
Veröffentlicht: (2025)

Fine-Tuning Text-to-Speech Diffusion Models Using Reinforcement Learning with Human Feedback
von: Chen, Jingyi, et al.
Veröffentlicht: (2025)

ASD-Diffusion: Anomalous Sound Detection with Diffusion Models
von: Zhang, Fengrun, et al.
Veröffentlicht: (2024)