Buchumschlag

Towards few-shot isolated word reading assessment

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Smit, Reuben, Louw, Retief, Kamper, Herman
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Visually grounded few-shot word learning in low-resource settings
von: Nortje, Leanne, et al.
Veröffentlicht: (2023)

Automatically assessing oral narratives of Afrikaans and isiXhosa children
von: Louw, Retief, et al.
Veröffentlicht: (2025)

Feature-based analysis of oral narratives from Afrikaans and isiXhosa children
von: Sharratt, Emma, et al.
Veröffentlicht: (2025)

Spoken Language Modeling with Duration-Penalized Self-Supervised Units
von: Visser, Nicol, et al.
Veröffentlicht: (2025)

Translating speech with just images
von: Oneata, Dan, et al.
Veröffentlicht: (2024)

Disentanglement in a GAN for Unconditional Speech Synthesis
von: Baas, Matthew, et al.
Veröffentlicht: (2023)

Revisiting speech segmentation and lexicon learning with better features
von: Kamper, Herman, et al.
Veröffentlicht: (2024)

The mutual exclusivity bias of bilingual visually grounded speech models
von: Oneata, Dan, et al.
Veröffentlicht: (2025)

ZeroSyl: Simple Zero-Resource Syllable Tokenization for Spoken Language Modeling
von: Visser, Nicol, et al.
Veröffentlicht: (2026)

Visually Grounded Speech Models have a Mutual Exclusivity Bias
von: Nortje, Leanne, et al.
Veröffentlicht: (2024)

Unsupervised lexicon learning from speech is limited by representations rather than clustering
von: Slabbert, Danel, et al.
Veröffentlicht: (2025)

Interpreting Speaker Characteristics in the Dimensions of Self-Supervised Speech Features
von: van Rensburg, Kyle Janse, et al.
Veröffentlicht: (2026)

Should Top-Down Clustering Affect Boundaries in Unsupervised Word Discovery?
von: Malan, Simon, et al.
Veröffentlicht: (2025)

Unsupervised Word Discovery: Boundary Detection with Clustering vs. Dynamic Programming
von: Malan, Simon, et al.
Veröffentlicht: (2024)

LinearVC: Linear transformations of self-supervised features through the lens of voice conversion
von: Kamper, Herman, et al.
Veröffentlicht: (2025)

MARS6: A Small and Robust Hierarchical-Codec Text-to-Speech Model
von: Baas, Matthew, et al.
Veröffentlicht: (2025)

Speech Recognition for Automatically Assessing Afrikaans and isiXhosa Preschool Oral Narratives
von: Jacobs, Christiaan, et al.
Veröffentlicht: (2025)

Improved Visually Prompted Keyword Localisation in Real Low-Resource Settings
von: Nortje, Leanne, et al.
Veröffentlicht: (2024)

Target word activity detector: An approach to obtain ASR word boundaries without lexicon
von: Sivasankaran, Sunit, et al.
Veröffentlicht: (2024)

Analyzing and Improving Speaker Similarity Assessment for Speech Synthesis
von: Carbonneau, Marc-André, et al.
Veröffentlicht: (2025)

Multilingual acoustic word embeddings for zero-resource languages
von: Jacobs, Christiaan
Veröffentlicht: (2024)

Understanding Zero-shot Rare Word Recognition Improvements Through LLM Integration
von: Wang, Haoxuan
Veröffentlicht: (2025)

Zero-shot Context Biasing with Trie-based Decoding using Synthetic Multi-Pronunciation
von: Liu, Changsong, et al.
Veröffentlicht: (2025)

Spoken-Term Discovery using Discrete Speech Units
von: van Niekerk, Benjamin, et al.
Veröffentlicht: (2024)

A corpus-based investigation of pitch contours of monosyllabic words in conversational Taiwan Mandarin
von: Jin, Xiaoyun, et al.
Veröffentlicht: (2024)

Enhancing Zero-shot Text-to-Speech Synthesis with Human Feedback
von: Chen, Chen, et al.
Veröffentlicht: (2024)

TCSinger 2: Customizable Multilingual Zero-shot Singing Voice Synthesis
von: Zhang, Yu, et al.
Veröffentlicht: (2025)

Mmm whatcha say? Uncovering distal and proximal context effects in first and second-language word perception using psychophysical reverse correlation
von: Tuttösí, Paige, et al.
Veröffentlicht: (2024)

Towards Hierarchical Spoken Language Dysfluency Modeling
von: Lian, Jiachen, et al.
Veröffentlicht: (2024)

Noro: Noise-Robust One-shot Voice Conversion with Hidden Speaker Representation Learning
von: He, Haorui, et al.
Veröffentlicht: (2024)

LyricWhiz: Robust Multilingual Zero-shot Lyrics Transcription by Whispering to ChatGPT
von: Zhuo, Le, et al.
Veröffentlicht: (2023)

Towards scalable efficient on-device ASR with transfer learning
von: Pandey, Laxmi, et al.
Veröffentlicht: (2024)

Towards a Japanese Full-duplex Spoken Dialogue System
von: Ohashi, Atsumoto, et al.
Veröffentlicht: (2025)

Enhancing Few-shot Keyword Spotting Performance through Pre-Trained Self-supervised Speech Models
von: Gok, Alican, et al.
Veröffentlicht: (2025)

StreamMel: Real-Time Zero-shot Text-to-Speech via Interleaved Continuous Autoregressive Modeling
von: Wang, Hui, et al.
Veröffentlicht: (2025)

TokenVerse++: Towards Flexible Multitask Learning with Dynamic Task Activation
von: Kumar, Shashi, et al.
Veröffentlicht: (2025)

URO-Bench: Towards Comprehensive Evaluation for End-to-End Spoken Dialogue Models
von: Yan, Ruiqi, et al.
Veröffentlicht: (2025)

A model of early word acquisition based on realistic-scale audiovisual naming events
von: Khorrami, Khazar, et al.
Veröffentlicht: (2024)

Towards Efficient Speech-Text Jointly Decoding within One Speech Language Model
von: Wu, Haibin, et al.
Veröffentlicht: (2025)

Towards interfacing large language models with ASR systems using confidence measures and prompting
von: Naderi, Maryam, et al.
Veröffentlicht: (2024)