Enregistré dans:
| Auteurs principaux: | Hirschkind, Nameer, Liu, Joseph, Yu, Xiao, Nandwana, Mahesh Kumar |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2508.04946 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Regularized Entropy Information Adaptation with Temporal-Awareness Networks for Simultaneous Speech Translation
par: Liu, Joseph, et autres
Publié: (2026)
par: Liu, Joseph, et autres
Publié: (2026)
Diffusion Synthesizer for Efficient Multilingual Speech to Speech Translation
par: Hirschkind, Nameer, et autres
Publié: (2024)
par: Hirschkind, Nameer, et autres
Publié: (2024)
Enhancing Multilingual Voice Toxicity Detection with Speech-Text Alignment
par: Liu, Joseph, et autres
Publié: (2024)
par: Liu, Joseph, et autres
Publié: (2024)
SimulTron: On-Device Simultaneous Speech to Speech Translation
par: Agranovich, Alex, et autres
Publié: (2024)
par: Agranovich, Alex, et autres
Publié: (2024)
AlignAtt: Using Attention-based Audio-Translation Alignments as a Guide for Simultaneous Speech Translation
par: Papi, Sara, et autres
Publié: (2023)
par: Papi, Sara, et autres
Publié: (2023)
RosettaSpeech: Zero-Shot Speech-to-Speech Translation without Parallel Speech
par: Zheng, Zhisheng, et autres
Publié: (2025)
par: Zheng, Zhisheng, et autres
Publié: (2025)
Analyzing Speech Unit Selection for Textless Speech-to-Speech Translation
par: Duret, Jarod, et autres
Publié: (2024)
par: Duret, Jarod, et autres
Publié: (2024)
Translatotron 3: Speech to Speech Translation with Monolingual Data
par: Nachmani, Eliya, et autres
Publié: (2023)
par: Nachmani, Eliya, et autres
Publié: (2023)
Navigating the Minefield of MT Beam Search in Cascaded Streaming Speech Translation
par: Rabatin, Rastislav, et autres
Publié: (2024)
par: Rabatin, Rastislav, et autres
Publié: (2024)
Robust Unsupervised Adaptation of a Speech Recogniser Using Entropy Minimisation and Speaker Codes
par: van Dalen, Rogier C., et autres
Publié: (2025)
par: van Dalen, Rogier C., et autres
Publié: (2025)
Regularizing Learnable Feature Extraction for Automatic Speech Recognition
par: Vieting, Peter, et autres
Publié: (2025)
par: Vieting, Peter, et autres
Publié: (2025)
CoSTA: Code-Switched Speech Translation using Aligned Speech-Text Interleaving
par: Shankar, Bhavani, et autres
Publié: (2024)
par: Shankar, Bhavani, et autres
Publié: (2024)
Preset-Voice Matching for Privacy Regulated Speech-to-Speech Translation Systems
par: Platnick, Daniel, et autres
Publié: (2024)
par: Platnick, Daniel, et autres
Publié: (2024)
High-Fidelity Simultaneous Speech-To-Speech Translation
par: Labiausse, Tom, et autres
Publié: (2025)
par: Labiausse, Tom, et autres
Publié: (2025)
Less is More: Accurate Speech Recognition & Translation without Web-Scale Data
par: Puvvada, Krishna C., et autres
Publié: (2024)
par: Puvvada, Krishna C., et autres
Publié: (2024)
Simultaneous Speech-to-Speech Translation Without Aligned Data
par: Labiausse, Tom, et autres
Publié: (2026)
par: Labiausse, Tom, et autres
Publié: (2026)
TaigiSpeech: A Low-Resource Real-World Speech Intent Dataset and Preliminary Results with Scalable Data Mining In-the-Wild
par: Chang, Kai-Wei, et autres
Publié: (2026)
par: Chang, Kai-Wei, et autres
Publié: (2026)
OWLS: Scaling Laws for Multilingual Speech Recognition and Translation Models
par: Chen, William, et autres
Publié: (2025)
par: Chen, William, et autres
Publié: (2025)
Efficient Training of Self-Supervised Speech Foundation Models on a Compute Budget
par: Liu, Andy T., et autres
Publié: (2024)
par: Liu, Andy T., et autres
Publié: (2024)
A Modular-based Strategy for Mitigating Gradient Conflicts in Simultaneous Speech Translation
par: Liu, Xiaoqian, et autres
Publié: (2024)
par: Liu, Xiaoqian, et autres
Publié: (2024)
Speech foundation models in healthcare: Effect of layer selection on pathological speech feature prediction
par: Wiepert, Daniela A., et autres
Publié: (2024)
par: Wiepert, Daniela A., et autres
Publié: (2024)
Enhanced ASR Robustness to Packet Loss with a Front-End Adaptation Network
par: Dissen, Yehoshua, et autres
Publié: (2024)
par: Dissen, Yehoshua, et autres
Publié: (2024)
Dynamic Encoder Size Based on Data-Driven Layer-wise Pruning for Speech Recognition
par: Xu, Jingjing, et autres
Publié: (2024)
par: Xu, Jingjing, et autres
Publié: (2024)
Toward a Reinforcement-Learning-Based System for Adjusting Medication to Minimize Speech Disfluency
par: Constas, Pavlos, et autres
Publié: (2023)
par: Constas, Pavlos, et autres
Publié: (2023)
Making Flow-Matching-Based Zero-Shot Text-to-Speech Laugh as You Like
par: Kanda, Naoyuki, et autres
Publié: (2024)
par: Kanda, Naoyuki, et autres
Publié: (2024)
Losses Can Be Blessings: Routing Self-Supervised Speech Representations Towards Efficient Multilingual and Multitask Speech Processing
par: Fu, Yonggan, et autres
Publié: (2022)
par: Fu, Yonggan, et autres
Publié: (2022)
Reducing Prompt Sensitivity in LLM-based Speech Recognition Through Learnable Projection
par: Burdisso, Sergio, et autres
Publié: (2026)
par: Burdisso, Sergio, et autres
Publié: (2026)
Papez: Resource-Efficient Speech Separation with Auditory Working Memory
par: Oh, Hyunseok, et autres
Publié: (2024)
par: Oh, Hyunseok, et autres
Publié: (2024)
Codec-ASR: Training Performant Automatic Speech Recognition Systems with Discrete Speech Representations
par: Dhawan, Kunal, et autres
Publié: (2024)
par: Dhawan, Kunal, et autres
Publié: (2024)
GenTranslate: Large Language Models are Generative Multilingual Speech and Machine Translators
par: Hu, Yuchen, et autres
Publié: (2024)
par: Hu, Yuchen, et autres
Publié: (2024)
FeruzaSpeech: A 60 Hour Uzbek Read Speech Corpus with Punctuation, Casing, and Context
par: Povey, Anna, et autres
Publié: (2024)
par: Povey, Anna, et autres
Publié: (2024)
HyperTTS: Parameter Efficient Adaptation in Text to Speech using Hypernetworks
par: Li, Yingting, et autres
Publié: (2024)
par: Li, Yingting, et autres
Publié: (2024)
FlashSpeech: Efficient Zero-Shot Speech Synthesis
par: Ye, Zhen, et autres
Publié: (2024)
par: Ye, Zhen, et autres
Publié: (2024)
NAIST Simultaneous Speech Translation System for IWSLT 2024
par: Ko, Yuka, et autres
Publié: (2024)
par: Ko, Yuka, et autres
Publié: (2024)
SimulS2S-LLM: Unlocking Simultaneous Inference of Speech LLMs for Speech-to-Speech Translation
par: Deng, Keqi, et autres
Publié: (2025)
par: Deng, Keqi, et autres
Publié: (2025)
Turbocharge Speech Understanding with Pilot Inference
par: Wang, Rongxiang, et autres
Publié: (2023)
par: Wang, Rongxiang, et autres
Publié: (2023)
Energy-Based Models with Applications to Speech and Language Processing
par: Ou, Zhijian
Publié: (2024)
par: Ou, Zhijian
Publié: (2024)
Integrating Self-supervised Speech Model with Pseudo Word-level Targets from Visually-grounded Speech Model
par: Fang, Hung-Chieh, et autres
Publié: (2024)
par: Fang, Hung-Chieh, et autres
Publié: (2024)
Speech Rhythm-Based Speaker Embeddings Extraction from Phonemes and Phoneme Duration for Multi-Speaker Speech Synthesis
par: Fujita, Kenichi, et autres
Publié: (2024)
par: Fujita, Kenichi, et autres
Publié: (2024)
Pre-Finetuning for Few-Shot Emotional Speech Recognition
par: Chen, Maximillian, et autres
Publié: (2023)
par: Chen, Maximillian, et autres
Publié: (2023)
Documents similaires
-
Regularized Entropy Information Adaptation with Temporal-Awareness Networks for Simultaneous Speech Translation
par: Liu, Joseph, et autres
Publié: (2026) -
Diffusion Synthesizer for Efficient Multilingual Speech to Speech Translation
par: Hirschkind, Nameer, et autres
Publié: (2024) -
Enhancing Multilingual Voice Toxicity Detection with Speech-Text Alignment
par: Liu, Joseph, et autres
Publié: (2024) -
SimulTron: On-Device Simultaneous Speech to Speech Translation
par: Agranovich, Alex, et autres
Publié: (2024) -
AlignAtt: Using Attention-based Audio-Translation Alignments as a Guide for Simultaneous Speech Translation
par: Papi, Sara, et autres
Publié: (2023)