Buchumschlag

Which one Performs Better? Wav2Vec or Whisper? Applying both in Badini Kurdish Speech to Text (BKSTT)

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Adnan, Renas, Hassani, Hossein
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Idiom Detection in Sorani Kurdish Texts
von: Omer, Skala Kamaran, et al.
Veröffentlicht: (2025)

Automatic Text Summarization (ATS) for Research Documents in Sorani Kurdish
von: Abdulrahman, Rondik Hadi, et al.
Veröffentlicht: (2025)

Where Are You From? Let Me Guess! Subdialect Recognition of Speeches in Sorani Kurdish
von: Isam, Sana, et al.
Veröffentlicht: (2024)

Domain-Specific Machine Translation to Translate Medicine Brochures in English to Sorani Kurdish
von: Shamal, Mariam, et al.
Veröffentlicht: (2025)

Making Old Kurdish Publications Processable by Augmenting Available Optical Character Recognition Engines
von: Yaseen, Blnd, et al.
Veröffentlicht: (2024)

Whisper Turns Stronger: Augmenting Wav2Vec 2.0 for Superior ASR in Low-Resource Languages
von: Anidjar, Or Haim, et al.
Veröffentlicht: (2024)

Mining Mental Health Signals: A Comparative Study of Four Machine Learning Methods for Depression Detection from Social Media Posts in Sorani Kurdish
von: Mohammed, Idrees, et al.
Veröffentlicht: (2025)

Adaptability of ASR Models on Low-Resource Language: A Comparative Study of Whisper and Wav2Vec-BERT on Bangla
von: Ridoy, Md Sazzadul Islam, et al.
Veröffentlicht: (2025)

Evaluating the Effectiveness of Transformer Layers in Wav2Vec 2.0, XLS-R, and Whisper for Speaker Identification Tasks
von: Stuhlmann, Linus, et al.
Veröffentlicht: (2025)

WavLink: Compact Audio-Text Embeddings with a Global Whisper Token
von: Kumar, Gokul Karthik, et al.
Veröffentlicht: (2026)

Exploring ASR-Based Wav2Vec2 for Automated Speech Disorder Assessment: Insights and Analysis
von: Nguyen, Tuan, et al.
Veröffentlicht: (2024)

Wav2Gloss: Generating Interlinear Glossed Text from Speech
von: He, Taiqi, et al.
Veröffentlicht: (2024)

Exploring Pathological Speech Quality Assessment with ASR-Powered Wav2Vec2 in Data-Scarce Context
von: Nguyen, Tuan, et al.
Veröffentlicht: (2024)

A Comparative Analysis of Bilingual and Trilingual Wav2Vec Models for Automatic Speech Recognition in Multilingual Oral History Archives
von: Lehečka, Jan, et al.
Veröffentlicht: (2024)

Careless Whisper: Speech-to-Text Hallucination Harms
von: Koenecke, Allison, et al.
Veröffentlicht: (2024)

Evaluating the Representation of Vowels in Wav2Vec Feature Extractor: A Layer-Wise Analysis Using MFCCs
von: De Cristofaro, Domenico, et al.
Veröffentlicht: (2025)

Human-like Linguistic Biases in Neural Speech Models: Phonetic Categorization and Phonotactic Constraints in Wav2Vec2.0
von: Kloots, Marianne de Heer, et al.
Veröffentlicht: (2024)

Shifting from endangerment to rebirth in the Artificial Intelligence Age: An Ensemble Machine Learning Approach for Hawrami Text Classification
von: Khaksar, Aram, et al.
Veröffentlicht: (2024)

Language and Speech Technology for Central Kurdish Varieties
von: Ahmadi, Sina, et al.
Veröffentlicht: (2024)

Whisper-UT: A Unified Translation Framework for Speech and Text
von: Xiao, Cihan, et al.
Veröffentlicht: (2025)

Transcription and translation of videos using fine-tuned XLSR Wav2Vec2 on custom dataset and mBART
von: Tathe, Aniket, et al.
Veröffentlicht: (2024)

WavSLM: Single-Stream Speech Language Modeling via WavLM Distillation
von: Della Libera, Luca, et al.
Veröffentlicht: (2026)

Improving Whisper's Recognition Performance for Under-Represented Language Kazakh Leveraging Unpaired Speech and Text
von: Li, Jinpeng, et al.
Veröffentlicht: (2024)

I can tell whether you are a Native Hawlêri Speaker! How ANN, CNN, and RNN perform in NLI-Native Language Identification
von: Garari, Hardi, et al.
Veröffentlicht: (2026)

English to Central Kurdish Speech Translation: Corpus Creation, Evaluation, and Orthographic Standardization
von: Mohammadamini, Mohammad, et al.
Veröffentlicht: (2026)

Calm-Whisper: Reduce Whisper Hallucination On Non-Speech By Calming Crazy Heads Down
von: Wang, Yingzhi, et al.
Veröffentlicht: (2025)

Vec2Summ: Text Summarization via Probabilistic Sentence Embeddings
von: Li, Mao, et al.
Veröffentlicht: (2025)

BrainWavLM: Fine-tuning Speech Representations with Brain Responses to Language
von: Vattikonda, Nishitha, et al.
Veröffentlicht: (2025)

Spoken Word2Vec: Learning Skipgram Embeddings from Speech
von: Sayeed, Mohammad Amaan, et al.
Veröffentlicht: (2023)

Ancient but Digitized: Developing Handwritten Optical Character Recognition for East Syriac Script Through Creating KHAMIS Dataset
von: Majeed, Ameer, et al.
Veröffentlicht: (2024)

Abjad AI at NADI 2025: CATT-Whisper: Multimodal Diacritic Restoration Using Text and Speech Representations
von: Ghannam, Ahmad, et al.
Veröffentlicht: (2025)

End to end Hindi to English speech conversion using Bark, mBART and a finetuned XLSR Wav2Vec2
von: Tathe, Aniket, et al.
Veröffentlicht: (2024)

Demographic Attributes Prediction from Speech Using WavLM Embeddings
von: Yang, Yuchen, et al.
Veröffentlicht: (2025)

Enhancing Kurdish Text-to-Speech with Native Corpus Training: A High-Quality WaveGlow Vocoder Approach
von: Abdullah, Abdulhady Abas, et al.
Veröffentlicht: (2024)

OWSM v3.1: Better and Faster Open Whisper-Style Speech Models based on E-Branchformer
von: Peng, Yifan, et al.
Veröffentlicht: (2024)

Codec2Vec: Self-Supervised Speech Representation Learning Using Neural Speech Codecs
von: Tseng, Wei-Cheng, et al.
Veröffentlicht: (2025)

Understanding and Mitigating the Threat of Vec2Text to Dense Retrieval Systems
von: Zhuang, Shengyao, et al.
Veröffentlicht: (2024)

Element2Vec: Build Chemical Element Representation from Text for Property Prediction
von: Li, Yuanhao, et al.
Veröffentlicht: (2025)

A Text-To-Text Alignment Algorithm for Better Evaluation of Modern Speech Recognition Systems
von: Borgholt, Lasse, et al.
Veröffentlicht: (2025)

LLM2Vec: Large Language Models Are Secretly Powerful Text Encoders
von: BehnamGhader, Parishad, et al.
Veröffentlicht: (2024)