A Variational Framework for Improving Naturalness in Generative Spoken Language Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Chen, Li-Wei, Higuchi, Takuya, Aldeneh, Zakaria, Abdelaziz, Ahmed Hussen, Rudnicky, Alexander |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Exploring Prediction Targets in Masked Pre-Training for Speech Foundation Models
par: Chen, Li-Wei, et autres
Publié: (2024)
par: Chen, Li-Wei, et autres
Publié: (2024)
ESPnet-SPK: full pipeline speaker embedding toolkit with reproducible recipes, self-supervised front-ends, and off-the-shelf models
par: Jung, Jee-weon, et autres
Publié: (2024)
par: Jung, Jee-weon, et autres
Publié: (2024)
DiceHuBERT: Distilling HuBERT with a Self-Supervised Learning Objective
par: Chi, Hyung Gun, et autres
Publié: (2025)
par: Chi, Hyung Gun, et autres
Publié: (2025)
Can you Remove the Downstream Model for Speaker Recognition with Self-Supervised Speech Features?
par: Aldeneh, Zakaria, et autres
Publié: (2024)
par: Aldeneh, Zakaria, et autres
Publié: (2024)
Speaker-IPL: Unsupervised Learning of Speaker Characteristics with i-Vector based Pseudo-Labels
par: Aldeneh, Zakaria, et autres
Publié: (2024)
par: Aldeneh, Zakaria, et autres
Publié: (2024)
Towards Automatic Assessment of Self-Supervised Speech Models using Rank
par: Aldeneh, Zakaria, et autres
Publié: (2024)
par: Aldeneh, Zakaria, et autres
Publié: (2024)
dMel: Speech Tokenization made Simple
par: Bai, Richard He, et autres
Publié: (2024)
par: Bai, Richard He, et autres
Publié: (2024)
Evaluating and Improving Continual Learning in Spoken Language Understanding
par: Yang, Muqiao, et autres
Publié: (2024)
par: Yang, Muqiao, et autres
Publié: (2024)
Predictive Speech Recognition and End-of-Utterance Detection Towards Spoken Dialog Systems
par: Zink, Oswald, et autres
Publié: (2024)
par: Zink, Oswald, et autres
Publié: (2024)
BERT-LID: Leveraging BERT to Improve Spoken Language Identification
par: Nie, Yuting, et autres
Publié: (2022)
par: Nie, Yuting, et autres
Publié: (2022)
Long-Form Speech Generation with Spoken Language Models
par: Park, Se Jin, et autres
Publié: (2024)
par: Park, Se Jin, et autres
Publié: (2024)
SpidR: Learning Fast and Stable Linguistic Units for Spoken Language Models Without Supervision
par: Poli, Maxime, et autres
Publié: (2025)
par: Poli, Maxime, et autres
Publié: (2025)
NTPP: Generative Speech Language Modeling for Dual-Channel Spoken Dialogue via Next-Token-Pair Prediction
par: Wang, Qichao, et autres
Publié: (2025)
par: Wang, Qichao, et autres
Publié: (2025)
Improving Spoken Language Modeling with Phoneme Classification: A Simple Fine-tuning Approach
par: Poli, Maxime, et autres
Publié: (2024)
par: Poli, Maxime, et autres
Publié: (2024)
On The Landscape of Spoken Language Models: A Comprehensive Survey
par: Arora, Siddhant, et autres
Publié: (2025)
par: Arora, Siddhant, et autres
Publié: (2025)
UniverSLU: Universal Spoken Language Understanding for Diverse Tasks with Natural Language Instructions
par: Arora, Siddhant, et autres
Publié: (2023)
par: Arora, Siddhant, et autres
Publié: (2023)
GOAT-SLM: A Spoken Language Model with Paralinguistic and Speaker Characteristic Awareness
par: Chen, Hongjie, et autres
Publié: (2025)
par: Chen, Hongjie, et autres
Publié: (2025)
Retrieval Augmented End-to-End Spoken Dialog Models
par: Wang, Mingqiu, et autres
Publié: (2024)
par: Wang, Mingqiu, et autres
Publié: (2024)
On the Evaluation of Speech Foundation Models for Spoken Language Understanding
par: Arora, Siddhant, et autres
Publié: (2024)
par: Arora, Siddhant, et autres
Publié: (2024)
J-CHAT: Japanese Large-scale Spoken Dialogue Corpus for Spoken Dialogue Language Modeling
par: Nakata, Wataru, et autres
Publié: (2024)
par: Nakata, Wataru, et autres
Publié: (2024)
TELEVAL: A Dynamic Benchmark Designed for Spoken Language Models in Chinese Interactive Scenarios
par: Li, Zehan, et autres
Publié: (2025)
par: Li, Zehan, et autres
Publié: (2025)
SLIDE: Integrating Speech Language Model with LLM for Spontaneous Spoken Dialogue Generation
par: Lu, Haitian, et autres
Publié: (2025)
par: Lu, Haitian, et autres
Publié: (2025)
Building a Taiwanese Mandarin Spoken Language Model: A First Attempt
par: Yang, Chih-Kai, et autres
Publié: (2024)
par: Yang, Chih-Kai, et autres
Publié: (2024)
An Efficient Self-Learning Framework For Interactive Spoken Dialog Systems
par: Tulsiani, Hitesh, et autres
Publié: (2024)
par: Tulsiani, Hitesh, et autres
Publié: (2024)
Device-Directed Speech Detection for Follow-up Conversations Using Large Language Models
par: Ognjen, et autres
Publié: (2024)
par: Ognjen, et autres
Publié: (2024)
Spirit LM: Interleaved Spoken and Written Language Model
par: Nguyen, Tu Anh, et autres
Publié: (2024)
par: Nguyen, Tu Anh, et autres
Publié: (2024)
TASTE: Text-Aligned Speech Tokenization and Embedding for Spoken Language Modeling
par: Tseng, Liang-Hsuan, et autres
Publié: (2025)
par: Tseng, Liang-Hsuan, et autres
Publié: (2025)
Kanade: A Simple Disentangled Tokenizer for Spoken Language Modeling
par: Huang, Zhijie, et autres
Publié: (2026)
par: Huang, Zhijie, et autres
Publié: (2026)
Data-Centric Improvements for Enhancing Multi-Modal Understanding in Spoken Conversation Modeling
par: Chen, Maximillian, et autres
Publié: (2024)
par: Chen, Maximillian, et autres
Publié: (2024)
From Turn-Taking to Synchronous Dialogue: A Survey of Full-Duplex Spoken Language Models
par: Chen, Yuxuan, et autres
Publié: (2025)
par: Chen, Yuxuan, et autres
Publié: (2025)
Adaptive Knowledge Distillation for Device-Directed Speech Detection
par: Chi, Hyung Gun, et autres
Publié: (2025)
par: Chi, Hyung Gun, et autres
Publié: (2025)
PRoDeliberation: Parallel Robust Deliberation for End-to-End Spoken Language Understanding
par: Le, Trang, et autres
Publié: (2024)
par: Le, Trang, et autres
Publié: (2024)
Implicit Self-supervised Language Representation for Spoken Language Diarization
par: Mishra, Jagabandhu, et autres
Publié: (2023)
par: Mishra, Jagabandhu, et autres
Publié: (2023)
Scaling and Prompting for Improved End-to-End Spoken Grammatical Error Correction
par: Qian, Mengjie, et autres
Publié: (2025)
par: Qian, Mengjie, et autres
Publié: (2025)
Harnessing the Zero-Shot Power of Instruction-Tuned Large Language Model in End-to-End Speech Recognition
par: Higuchi, Yosuke, et autres
Publié: (2023)
par: Higuchi, Yosuke, et autres
Publié: (2023)
Analyzing Mitigation Strategies for Catastrophic Forgetting in End-to-End Training of Spoken Language Models
par: Hsiao, Chi-Yuan, et autres
Publié: (2025)
par: Hsiao, Chi-Yuan, et autres
Publié: (2025)
Language-Universal Speech Attributes Modeling for Zero-Shot Multilingual Spoken Keyword Recognition
par: Yen, Hao, et autres
Publié: (2024)
par: Yen, Hao, et autres
Publié: (2024)
VoxEval: Benchmarking the Knowledge Understanding Capabilities of End-to-End Spoken Language Models
par: Cui, Wenqian, et autres
Publié: (2025)
par: Cui, Wenqian, et autres
Publié: (2025)
Data Augmentation for Spoken Grammatical Error Correction
par: Karanasou, Penny, et autres
Publié: (2025)
par: Karanasou, Penny, et autres
Publié: (2025)
Spoken Language Intelligence of Large Language Models for Language Learning
par: Peng, Linkai, et autres
Publié: (2023)
par: Peng, Linkai, et autres
Publié: (2023)
Documents similaires
-
Exploring Prediction Targets in Masked Pre-Training for Speech Foundation Models
par: Chen, Li-Wei, et autres
Publié: (2024) -
ESPnet-SPK: full pipeline speaker embedding toolkit with reproducible recipes, self-supervised front-ends, and off-the-shelf models
par: Jung, Jee-weon, et autres
Publié: (2024) -
DiceHuBERT: Distilling HuBERT with a Self-Supervised Learning Objective
par: Chi, Hyung Gun, et autres
Publié: (2025) -
Can you Remove the Downstream Model for Speaker Recognition with Self-Supervised Speech Features?
par: Aldeneh, Zakaria, et autres
Publié: (2024) -
Speaker-IPL: Unsupervised Learning of Speaker Characteristics with i-Vector based Pseudo-Labels
par: Aldeneh, Zakaria, et autres
Publié: (2024)