SPGISpeech 2.0: Transcribed multi-speaker financial audio for speaker-tagged transcription
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Grossman, Raymond, Park, Taejin, Dhawan, Kunal, Titus, Andrew, Zhi, Sophia, Shchadilova, Yulia, Wang, Weiqing, Balam, Jagadeesh, Ginsburg, Boris |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Streaming Sortformer: Speaker Cache-Based Online Speaker Diarization with Arrival-Time Ordering
par: Medennikov, Ivan, et autres
Publié: (2025)
par: Medennikov, Ivan, et autres
Publié: (2025)
Resource-Efficient Adaptation of Speech Foundation Models for Multi-Speaker ASR
par: Wang, Weiqing, et autres
Publié: (2024)
par: Wang, Weiqing, et autres
Publié: (2024)
Speaker Targeting via Self-Speaker Adaptation for Multi-talker ASR
par: Wang, Weiqing, et autres
Publié: (2025)
par: Wang, Weiqing, et autres
Publié: (2025)
NEST: Self-supervised Fast Conformer as All-purpose Seasoning to Speech Processing Tasks
par: Huang, He, et autres
Publié: (2024)
par: Huang, He, et autres
Publié: (2024)
META-CAT: Speaker-Informed Speech Embeddings via Meta Information Concatenation for Multi-talker ASR
par: Wang, Jinhan, et autres
Publié: (2024)
par: Wang, Jinhan, et autres
Publié: (2024)
Flexible Multichannel Speech Enhancement for Noise-Robust Frontend
par: Jukić, Ante, et autres
Publié: (2024)
par: Jukić, Ante, et autres
Publié: (2024)
Sortformer: A Novel Approach for Permutation-Resolved Speaker Supervision in Speech-to-Text Systems
par: Park, Taejin, et autres
Publié: (2024)
par: Park, Taejin, 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)
Schrödinger Bridge for Generative Speech Enhancement
par: Jukić, Ante, et autres
Publié: (2024)
par: Jukić, Ante, et autres
Publié: (2024)
Visual-based spatial audio generation system for multi-speaker environments
par: Liu, Xiaojing, et autres
Publié: (2025)
par: Liu, Xiaojing, et autres
Publié: (2025)
An audio-quality-based multi-strategy approach for target speaker extraction in the MISP 2023 Challenge
par: Han, Runduo, et autres
Publié: (2024)
par: Han, Runduo, et autres
Publié: (2024)
Target speaker anonymization in multi-speaker recordings
par: Tomashenko, Natalia, et autres
Publié: (2025)
par: Tomashenko, Natalia, et autres
Publié: (2025)
Hierarchical speaker representation for target speaker extraction
par: He, Shulin, et autres
Publié: (2022)
par: He, Shulin, et autres
Publié: (2022)
Stateful Conformer with Cache-based Inference for Streaming Automatic Speech Recognition
par: Noroozi, Vahid, et autres
Publié: (2023)
par: Noroozi, Vahid, et autres
Publié: (2023)
Text adaptation for speaker verification with speaker-text factorized embeddings
par: Yang, Yexin, et autres
Publié: (2025)
par: Yang, Yexin, et autres
Publié: (2025)
Improving curriculum learning for target speaker extraction with synthetic speakers
par: Liu, Yun, et autres
Publié: (2024)
par: Liu, Yun, et autres
Publié: (2024)
VoiceTextBlender: Augmenting Large Language Models with Speech Capabilities via Single-Stage Joint Speech-Text Supervised Fine-Tuning
par: Peng, Yifan, et autres
Publié: (2024)
par: Peng, Yifan, et autres
Publié: (2024)
Word Level Timestamp Generation for Automatic Speech Recognition and Translation
par: Hu, Ke, et autres
Publié: (2025)
par: Hu, Ke, et autres
Publié: (2025)
Once more Diarization: Improving meeting transcription systems through segment-level speaker reassignment
par: Boeddeker, Christoph, et autres
Publié: (2024)
par: Boeddeker, Christoph, et autres
Publié: (2024)
Training and Inference Efficiency of Encoder-Decoder Speech Models
par: Żelasko, Piotr, et autres
Publié: (2025)
par: Żelasko, Piotr, et autres
Publié: (2025)
Triage knowledge distillation for speaker verification
par: Kim, Ju-ho, et autres
Publié: (2026)
par: Kim, Ju-ho, et autres
Publié: (2026)
Privacy-oriented manipulation of speaker representations
par: Teixeira, Francisco, et autres
Publié: (2023)
par: Teixeira, Francisco, et autres
Publié: (2023)
Curriculum learning for self-supervised speaker verification
par: Heo, Hee-Soo, et autres
Publié: (2022)
par: Heo, Hee-Soo, et autres
Publié: (2022)
Lightweight speech enhancement guided target speech extraction in noisy multi-speaker scenarios
par: Huang, Ziling, et autres
Publié: (2025)
par: Huang, Ziling, et autres
Publié: (2025)
How phonemes contribute to deep speaker models?
par: Li, Pengqi, et autres
Publié: (2024)
par: Li, Pengqi, et autres
Publié: (2024)
1000 African Voices: Advancing inclusive multi-speaker multi-accent speech synthesis
par: Ogun, Sewade, et autres
Publié: (2024)
par: Ogun, Sewade, et autres
Publié: (2024)
Investigation of perception inconsistency in speaker embedding for asynchronous voice anonymization
par: Wang, Rui, et autres
Publié: (2025)
par: Wang, Rui, et autres
Publié: (2025)
Longer is (Not Necessarily) Stronger: Punctuated Long-Sequence Training for Enhanced Speech Recognition and Translation
par: Koluguri, Nithin Rao, et autres
Publié: (2024)
par: Koluguri, Nithin Rao, et autres
Publié: (2024)
The importance of spatial and spectral information in multiple speaker tracking
par: Beit-On, Hanan, et autres
Publié: (2024)
par: Beit-On, Hanan, et autres
Publié: (2024)
EasyEyes: Online hearing research using speakers calibrated by phones
par: Vican, Ivan, et autres
Publié: (2025)
par: Vican, Ivan, et autres
Publié: (2025)
Geodesic interpolation of frame-wise speaker embeddings for the diarization of meeting scenarios
par: Cord-Landwehr, Tobias, et autres
Publié: (2024)
par: Cord-Landwehr, Tobias, et autres
Publié: (2024)
End-to-end multi-channel speaker extraction and binaural speech synthesis
par: Chi, Cheng, et autres
Publié: (2024)
par: Chi, Cheng, et autres
Publié: (2024)
X-CrossNet: A complex spectral mapping approach to target speaker extraction with cross attention speaker embedding fusion
par: Sun, Chang, et autres
Publié: (2024)
par: Sun, Chang, et autres
Publié: (2024)
On the calibration of powerset speaker diarization models
par: Plaquet, Alexis, et autres
Publié: (2024)
par: Plaquet, Alexis, et autres
Publié: (2024)
A Benchmark for Multi-speaker Anonymization
par: Miao, Xiaoxiao, et autres
Publié: (2024)
par: Miao, Xiaoxiao, et autres
Publié: (2024)
On the influence of language similarity in non-target speaker verification trials
par: Reuter, Paul M., et autres
Publié: (2025)
par: Reuter, Paul M., et autres
Publié: (2025)
Audio-visual child-adult speaker classification in dyadic interactions
par: Xu, Anfeng, et autres
Publié: (2023)
par: Xu, Anfeng, et autres
Publié: (2023)
Spoken language change detection inspired by speaker change detection
par: Mishra, Jagabandhu, et autres
Publié: (2023)
par: Mishra, Jagabandhu, et autres
Publié: (2023)
Challenging margin-based speaker embedding extractors by using the variational information bottleneck
par: Stafylakis, Themos, et autres
Publié: (2024)
par: Stafylakis, Themos, et autres
Publié: (2024)
Tandem spoofing-robust automatic speaker verification based on time-domain embeddings
par: Weizman, Avishai, et autres
Publié: (2024)
par: Weizman, Avishai, et autres
Publié: (2024)
Documents similaires
-
Streaming Sortformer: Speaker Cache-Based Online Speaker Diarization with Arrival-Time Ordering
par: Medennikov, Ivan, et autres
Publié: (2025) -
Resource-Efficient Adaptation of Speech Foundation Models for Multi-Speaker ASR
par: Wang, Weiqing, et autres
Publié: (2024) -
Speaker Targeting via Self-Speaker Adaptation for Multi-talker ASR
par: Wang, Weiqing, et autres
Publié: (2025) -
NEST: Self-supervised Fast Conformer as All-purpose Seasoning to Speech Processing Tasks
par: Huang, He, et autres
Publié: (2024) -
META-CAT: Speaker-Informed Speech Embeddings via Meta Information Concatenation for Multi-talker ASR
par: Wang, Jinhan, et autres
Publié: (2024)