:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Qihui, Berg-Kirkpatrick, Taylor, McAuley, Julian, Novack, Zachary
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Sound Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2507.10534
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DITTO-2: Distilled Diffusion Inference-Time T-Optimization for Music Generation
von: Novack, Zachary, et al.
Veröffentlicht: (2024)

PDMX: A Large-Scale Public Domain MusicXML Dataset for Symbolic Music Processing
von: Long, Phillip, et al.
Veröffentlicht: (2024)

DITTO: Diffusion Inference-Time T-Optimization for Music Generation
von: Novack, Zachary, et al.
Veröffentlicht: (2024)

Steering Autoregressive Music Generation with Recursive Feature Machines
von: Zhao, Daniel, et al.
Veröffentlicht: (2025)

Low-Resource Guidance for Controllable Latent Audio Diffusion
von: Novack, Zachary, et al.
Veröffentlicht: (2026)

MuseTok: Symbolic Music Tokenization for Generation and Semantic Understanding
von: Huang, Jingyue, et al.
Veröffentlicht: (2025)

Presto! Distilling Steps and Layers for Accelerating Music Generation
von: Novack, Zachary, et al.
Veröffentlicht: (2024)

CoLLAP: Contrastive Long-form Language-Audio Pretraining with Musical Temporal Structure Augmentation
von: Wu, Junda, et al.
Veröffentlicht: (2024)

Fast Text-to-Audio Generation with Adversarial Post-Training
von: Novack, Zachary, et al.
Veröffentlicht: (2025)

Are you really listening? Boosting Perceptual Awareness in Music-QA Benchmarks
von: Zang, Yongyi, et al.
Veröffentlicht: (2025)

WildScore: Benchmarking MLLMs in-the-Wild Symbolic Music Reasoning
von: Mundada, Gagan, et al.
Veröffentlicht: (2025)

MuseCPBench: an Empirical Study of Music Editing Methods through Music Context Preservation
von: Vishe, Yash, et al.
Veröffentlicht: (2025)

Live Music Diffusion Models: Efficient Fine-Tuning and Post-Training of Interactive Diffusion Music Generators
von: Novack, Zachary, et al.
Veröffentlicht: (2026)

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

Bob's Confetti: Phonetic Memorization Attacks in Music and Video Generation
von: Roh, Jaechul, et al.
Veröffentlicht: (2025)

Composer Vector: Style-steering Symbolic Music Generation in a Latent Space
von: Jiang, Xunyi, et al.
Veröffentlicht: (2026)

Futga: Towards Fine-grained Music Understanding through Temporally-enhanced Generative Augmentation
von: Wu, Junda, et al.
Veröffentlicht: (2024)

MusiCRS: Benchmarking Audio-Centric Conversational Recommendation
von: Surana, Rohan, et al.
Veröffentlicht: (2025)

Benchmarking Language Modeling for Lossless Compression of Full-Fidelity Audio
von: Long, Phillip, et al.
Veröffentlicht: (2026)

Generating Symbolic Music from Natural Language Prompts using an LLM-Enhanced Dataset
von: Xu, Weihan, et al.
Veröffentlicht: (2024)

Video-Guided Text-to-Music Generation Using Public Domain Movie Collections
von: Kim, Haven, et al.
Veröffentlicht: (2025)

WildSpoof Challenge Evaluation Plan
von: Wu, Yihan, et al.
Veröffentlicht: (2025)

DFKI-Speech System for WildSpoof Challenge: A robust framework for SASV In-the-Wild
von: Das, Arnab, et al.
Veröffentlicht: (2026)

Break-the-Beat! Controllable MIDI-to-Drum Audio Synthesis
von: Cui, Shuyang, et al.
Veröffentlicht: (2026)

Text2FX: Harnessing CLAP Embeddings for Text-Guided Audio Effects
von: Chu, Annie, et al.
Veröffentlicht: (2024)

Reddit2Deezer: A Scalable Dataset for Real-World Grounded Conversational Music Recommendation
von: Kim, Haven, et al.
Veröffentlicht: (2026)

SelfVC: Voice Conversion With Iterative Refinement using Self Transformations
von: Neekhara, Paarth, et al.
Veröffentlicht: (2023)

Fake Speech Wild: Detecting Deepfake Speech on Social Media Platform
von: Xie, Yuankun, et al.
Veröffentlicht: (2025)

Stable Audio 3
von: Evans, Zach, et al.
Veröffentlicht: (2026)

Synthesizing Composite Hierarchical Structure from Symbolic Music Corpora
von: Shapiro, Ilana, et al.
Veröffentlicht: (2025)

LPIPS-AttnWav2Lip: Generic Audio-Driven lip synchronization for Talking Head Generation in the Wild
von: Chen, Zhipeng, et al.
Veröffentlicht: (2026)

Improving Generalization of Speech Separation in Real-World Scenarios: Strategies in Simulation, Optimization, and Evaluation
von: Chen, Ke, et al.
Veröffentlicht: (2024)

SpoofCeleb: Speech Deepfake Detection and SASV In The Wild
von: Jung, Jee-weon, et al.
Veröffentlicht: (2024)

Contextual Earnings-22: A Speech Recognition Benchmark with Custom Vocabulary in the Wild
von: Durmus, Berkin, et al.
Veröffentlicht: (2026)

Robust TTS Training via Self-Purifying Flow Matching for the WildSpoof 2026 TTS Track
von: Yi, June Young, et al.
Veröffentlicht: (2025)

ManiWAV: Learning Robot Manipulation from In-the-Wild Audio-Visual Data
von: Liu, Zeyi, et al.
Veröffentlicht: (2024)

TorchFX: A modern approach to Audio DSP with PyTorch and GPU acceleration
von: Spanio, Matteo, et al.
Veröffentlicht: (2025)

StylePitcher: Generating Style-Following and Expressive Pitch Curves for Versatile Singing Tasks
von: Huang, Jingyue, et al.
Veröffentlicht: (2025)

SAME: A Semantically-Aligned Music Autoencoder
von: Parker, Julian D., et al.
Veröffentlicht: (2026)

GSPRec: Temporal-Aware Graph Spectral Filtering for Recommendation
von: Rabiah, Ahmad Bin, et al.
Veröffentlicht: (2025)