Buchumschlag

REINA: Regularized Entropy Information-Based Loss for Efficient Simultaneous Speech Translation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hirschkind, Nameer, Liu, Joseph, Yu, Xiao, Nandwana, Mahesh Kumar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning 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

Regularized Entropy Information Adaptation with Temporal-Awareness Networks for Simultaneous Speech Translation
von: Liu, Joseph, et al.
Veröffentlicht: (2026)

Diffusion Synthesizer for Efficient Multilingual Speech to Speech Translation
von: Hirschkind, Nameer, et al.
Veröffentlicht: (2024)

Enhancing Multilingual Voice Toxicity Detection with Speech-Text Alignment
von: Liu, Joseph, et al.
Veröffentlicht: (2024)

SimulTron: On-Device Simultaneous Speech to Speech Translation
von: Agranovich, Alex, et al.
Veröffentlicht: (2024)

AlignAtt: Using Attention-based Audio-Translation Alignments as a Guide for Simultaneous Speech Translation
von: Papi, Sara, et al.
Veröffentlicht: (2023)

RosettaSpeech: Zero-Shot Speech-to-Speech Translation without Parallel Speech
von: Zheng, Zhisheng, et al.
Veröffentlicht: (2025)

Analyzing Speech Unit Selection for Textless Speech-to-Speech Translation
von: Duret, Jarod, et al.
Veröffentlicht: (2024)

Translatotron 3: Speech to Speech Translation with Monolingual Data
von: Nachmani, Eliya, et al.
Veröffentlicht: (2023)

Navigating the Minefield of MT Beam Search in Cascaded Streaming Speech Translation
von: Rabatin, Rastislav, et al.
Veröffentlicht: (2024)

Robust Unsupervised Adaptation of a Speech Recogniser Using Entropy Minimisation and Speaker Codes
von: van Dalen, Rogier C., et al.
Veröffentlicht: (2025)

Regularizing Learnable Feature Extraction for Automatic Speech Recognition
von: Vieting, Peter, et al.
Veröffentlicht: (2025)

CoSTA: Code-Switched Speech Translation using Aligned Speech-Text Interleaving
von: Shankar, Bhavani, et al.
Veröffentlicht: (2024)

High-Fidelity Simultaneous Speech-To-Speech Translation
von: Labiausse, Tom, et al.
Veröffentlicht: (2025)

Simultaneous Speech-to-Speech Translation Without Aligned Data
von: Labiausse, Tom, et al.
Veröffentlicht: (2026)

Less is More: Accurate Speech Recognition & Translation without Web-Scale Data
von: Puvvada, Krishna C., et al.
Veröffentlicht: (2024)

Preset-Voice Matching for Privacy Regulated Speech-to-Speech Translation Systems
von: Platnick, Daniel, et al.
Veröffentlicht: (2024)

Losses Can Be Blessings: Routing Self-Supervised Speech Representations Towards Efficient Multilingual and Multitask Speech Processing
von: Fu, Yonggan, et al.
Veröffentlicht: (2022)

A Modular-based Strategy for Mitigating Gradient Conflicts in Simultaneous Speech Translation
von: Liu, Xiaoqian, et al.
Veröffentlicht: (2024)

TaigiSpeech: A Low-Resource Real-World Speech Intent Dataset and Preliminary Results with Scalable Data Mining In-the-Wild
von: Chang, Kai-Wei, et al.
Veröffentlicht: (2026)

Speech foundation models in healthcare: Effect of layer selection on pathological speech feature prediction
von: Wiepert, Daniela A., et al.
Veröffentlicht: (2024)

Dynamic Encoder Size Based on Data-Driven Layer-wise Pruning for Speech Recognition
von: Xu, Jingjing, et al.
Veröffentlicht: (2024)

Toward a Reinforcement-Learning-Based System for Adjusting Medication to Minimize Speech Disfluency
von: Constas, Pavlos, et al.
Veröffentlicht: (2023)

Efficient Training of Self-Supervised Speech Foundation Models on a Compute Budget
von: Liu, Andy T., et al.
Veröffentlicht: (2024)

Label-Synchronous Neural Transducer for E2E Simultaneous Speech Translation
von: Deng, Keqi, et al.
Veröffentlicht: (2024)

Reducing Prompt Sensitivity in LLM-based Speech Recognition Through Learnable Projection
von: Burdisso, Sergio, et al.
Veröffentlicht: (2026)

Codec-ASR: Training Performant Automatic Speech Recognition Systems with Discrete Speech Representations
von: Dhawan, Kunal, et al.
Veröffentlicht: (2024)

NAIST Simultaneous Speech Translation System for IWSLT 2024
von: Ko, Yuka, et al.
Veröffentlicht: (2024)

Enhanced ASR Robustness to Packet Loss with a Front-End Adaptation Network
von: Dissen, Yehoshua, et al.
Veröffentlicht: (2024)

SimulS2S-LLM: Unlocking Simultaneous Inference of Speech LLMs for Speech-to-Speech Translation
von: Deng, Keqi, et al.
Veröffentlicht: (2025)

Making Flow-Matching-Based Zero-Shot Text-to-Speech Laugh as You Like
von: Kanda, Naoyuki, et al.
Veröffentlicht: (2024)

OWLS: Scaling Laws for Multilingual Speech Recognition and Translation Models
von: Chen, William, et al.
Veröffentlicht: (2025)

FeruzaSpeech: A 60 Hour Uzbek Read Speech Corpus with Punctuation, Casing, and Context
von: Povey, Anna, et al.
Veröffentlicht: (2024)

Papez: Resource-Efficient Speech Separation with Auditory Working Memory
von: Oh, Hyunseok, et al.
Veröffentlicht: (2024)

Turbocharge Speech Understanding with Pilot Inference
von: Wang, Rongxiang, et al.
Veröffentlicht: (2023)

Integrating Self-supervised Speech Model with Pseudo Word-level Targets from Visually-grounded Speech Model
von: Fang, Hung-Chieh, et al.
Veröffentlicht: (2024)

HyperTTS: Parameter Efficient Adaptation in Text to Speech using Hypernetworks
von: Li, Yingting, et al.
Veröffentlicht: (2024)

Energy-Based Models with Applications to Speech and Language Processing
von: Ou, Zhijian
Veröffentlicht: (2024)

Speech Rhythm-Based Speaker Embeddings Extraction from Phonemes and Phoneme Duration for Multi-Speaker Speech Synthesis
von: Fujita, Kenichi, et al.
Veröffentlicht: (2024)

SSVD-O: Parameter-Efficient Fine-Tuning with Structured SVD for Speech Recognition
von: Wang, Pu, et al.
Veröffentlicht: (2026)

Pre-Finetuning for Few-Shot Emotional Speech Recognition
von: Chen, Maximillian, et al.
Veröffentlicht: (2023)