:: Library Catalog

Image de couverture de livre

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Xiong, Jiayu, Xue, Jun, Kwan, Jianlong, Wang, Jing
Format:	Preprint
Publié:	2025
Sujets:	Sound
Accès en ligne:	https://arxiv.org/abs/2509.02167
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires

RWKVTTS: Yet another TTS based on RWKV-7
par: yueyu, Lin, et autres
Publié: (2025)

Adaptable Symbolic Music Infilling with MIDI-RWKV
par: Zhou-Zheng, Christian, et autres
Publié: (2025)

AudioMotionBench: Evaluating Auditory Motion Perception in Audio LLMs
par: Sun, Zhe, et autres
Publié: (2025)

AudioFab: Building A General and Intelligent Audio Factory through Tool Learning
par: Zhu, Cheng, et autres
Publié: (2025)

RawBMamba: End-to-End Bidirectional State Space Model for Audio Deepfake Detection
par: Chen, Yujie, et autres
Publié: (2024)

Whisper-AuT: Domain-Adapted Audio Encoder for Efficient Audio-LLM Training
par: Qiu, Jielin, et autres
Publié: (2026)

Audio Mamba: Bidirectional State Space Model for Audio Representation Learning
par: Erol, Mehmet Hamza, et autres
Publié: (2024)

Video RWKV:Video Action Recognition Based RWKV
par: Yin, Zhuowen, et autres
Publié: (2024)

Not in Sync: Unveiling Temporal Bias in Audio Chat Models
par: Yao, Jiayu, et autres
Publié: (2025)

A Transcription Prompt-based Efficient Audio Large Language Model for Robust Speech Recognition
par: Li, Yangze, et autres
Publié: (2024)

Stable Audio 3
par: Evans, Zach, et autres
Publié: (2026)

DDAVS: Disentangled Audio Semantics and Delayed Bidirectional Alignment for Audio-Visual Segmentation
par: Tian, Jingqi, et autres
Publié: (2025)

Audio Processing using Pattern Recognition for Music Genre Classification
par: Chatterjee, Sivangi, et autres
Publié: (2024)

AudioKV: KV Cache Eviction in Efficient Large Audio Language Models
par: Wang, Yuxuan, et autres
Publié: (2026)

Improving Audio Event Recognition with Consistency Regularization
par: Sadhu, Shanmuka, et autres
Publié: (2025)

Human-Inspired Computing for Robust and Efficient Audio-Visual Speech Recognition
par: Liu, Qianhui, et autres
Publié: (2024)

Hierarchical Activity Recognition and Captioning from Long-Form Audio
par: Zhang, Peng, et autres
Publié: (2026)

Audio-Mind: An Auditable Agentic Framework for Audio Understanding
par: Wang, Yucheng, et autres
Publié: (2026)

Thinking with Sound: Audio Chain-of-Thought Enables Multimodal Reasoning in Large Audio-Language Models
par: Xiong, Zhen, et autres
Publié: (2025)

AudioMoG: Guiding Audio Generation with Mixture-of-Guidance
par: Wang, Junyou, et autres
Publié: (2025)

UniTok-Audio: A Unified Audio Generation Framework via Generative Modeling on Discrete Codec Tokens
par: Liu, Chengwei, et autres
Publié: (2025)

ChronosAudio: A Comprehensive Long-Audio Benchmark for Evaluating Audio-Large Language Models
par: Luo, Kaiwen, et autres
Publié: (2026)

Stable Audio Open
par: Evans, Zach, et autres
Publié: (2024)

EzAudio: Enhancing Text-to-Audio Generation with Efficient Diffusion Transformer
par: Hai, Jiarui, et autres
Publié: (2024)

AudioRAG+: Feedback-driven Retrieval-augmented Audio Generation with Large Audio Language Models
par: Zhao, Junqi, et autres
Publié: (2025)

MiDashengLM: Efficient Audio Understanding with General Audio Captions
par: Dinkel, Heinrich, et autres
Publié: (2025)

Cocktail-Party Audio-Visual Speech Recognition
par: Nguyen, Thai-Binh, et autres
Publié: (2025)

Vision-RWKV: Efficient and Scalable Visual Perception with RWKV-Like Architectures
par: Duan, Yuchen, et autres
Publié: (2024)

Restore-RWKV: Efficient and Effective Medical Image Restoration with RWKV
par: Yang, Zhiwen, et autres
Publié: (2024)

UniAudio 2.0: A Unified Audio Language Model with Text-Aligned Factorized Audio Tokenization
par: Yang, Dongchao, et autres
Publié: (2026)

BANC: Towards Efficient Binaural Audio Neural Codec for Overlapping Speech
par: Ratnarajah, Anton, et autres
Publié: (2023)

Eureka-Audio: Triggering Audio Intelligence in Compact Language Models
par: Zhang, Dan, et autres
Publié: (2026)

FlashAudio: Rectified Flows for Fast and High-Fidelity Text-to-Audio Generation
par: Liu, Huadai, et autres
Publié: (2024)

DCIM-AVSR : Efficient Audio-Visual Speech Recognition via Dual Conformer Interaction Module
par: Wang, Xinyu, et autres
Publié: (2024)

Streaming Audio Transformers for Online Audio Tagging
par: Dinkel, Heinrich, et autres
Publié: (2023)

QuarkAudio Technical Report
par: Liu, Chengwei, et autres
Publié: (2025)

PointRWKV: Efficient RWKV-Like Model for Hierarchical Point Cloud Learning
par: He, Qingdong, et autres
Publié: (2024)

Pengi: An Audio Language Model for Audio Tasks
par: Deshmukh, Soham, et autres
Publié: (2023)

Omni-Embed-Audio: Leveraging Multimodal LLMs for Robust Audio-Text Retrieval
par: Yoo, HaeJun, et autres
Publié: (2026)

AudioToolAgent: An Agentic Framework for Audio-Language Models
par: Wijngaard, Gijs, et autres
Publié: (2025)