Buchumschlag

Testing chatbots on the creation of encoders for audio conditioned image generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	León, Jorge E., Carrasco, Miguel
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Sound Machine Learning Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exploring bat song syllable representations in self-supervised audio encoders
von: Kloots, Marianne de Heer, et al.
Veröffentlicht: (2024)

Scaling up masked audio encoder learning for general audio classification
von: Dinkel, Heinrich, et al.
Veröffentlicht: (2024)

Transformation of audio embeddings into interpretable, concept-based representations
von: Zhang, Alice, et al.
Veröffentlicht: (2025)

Towards generalizing deep-audio fake detection networks
von: Gasenzer, Konstantin, et al.
Veröffentlicht: (2023)

Recomposer: Event-roll-guided generative audio editing
von: Ellis, Daniel P. W., et al.
Veröffentlicht: (2025)

Unsupervised outlier detection to improve bird audio dataset labels
von: Collins, Bruce
Veröffentlicht: (2025)

Combining audio control and style transfer using latent diffusion
von: Demerlé, Nils, et al.
Veröffentlicht: (2024)

Mitigating data replication in text-to-audio generative diffusion models through anti-memorization guidance
von: Messina, Francisco, et al.
Veröffentlicht: (2025)

Late fusion ensembles for speech recognition on diverse input audio representations
von: Jezidžić, Marin, et al.
Veröffentlicht: (2024)

EnCodecMAE: Leveraging neural codecs for universal audio representation learning
von: Pepino, Leonardo, et al.
Veröffentlicht: (2023)

Sentiment analysis in non-fixed length audios using a Fully Convolutional Neural Network
von: García-Ordás, María Teresa, et al.
Veröffentlicht: (2024)

Decodable but not structured: linear probing enables Underwater Acoustic Target Recognition with pretrained audio embeddings
von: Hummel, Hilde I., et al.
Veröffentlicht: (2026)

Zipformer: A faster and better encoder for automatic speech recognition
von: Yao, Zengwei, et al.
Veröffentlicht: (2023)

Versatile audio-visual learning for emotion recognition
von: Goncalves, Lucas, et al.
Veröffentlicht: (2023)

Vocos: Closing the gap between time-domain and Fourier-based neural vocoders for high-quality audio synthesis
von: Siuzdak, Hubert
Veröffentlicht: (2023)

Adaptive vector steering: A training-free, layer-wise intervention for hallucination mitigation in large audio and multimodal models
von: Lin, Tsung-En, et al.
Veröffentlicht: (2025)

Effectively obtaining acoustic, visual and textual data from videos
von: León, Jorge E., et al.
Veröffentlicht: (2025)

Blind estimation of audio effects using an auto-encoder approach and differentiable digital signal processing
von: Peladeau, Côme, et al.
Veröffentlicht: (2023)

LVNS-RAVE: Diversified audio generation with RAVE and Latent Vector Novelty Search
von: Guo, Jinyue, et al.
Veröffentlicht: (2024)

FlowDec: A flow-based full-band general audio codec with high perceptual quality
von: Welker, Simon, et al.
Veröffentlicht: (2025)

STASE: A spatialized text-to-audio synthesis engine for music generation
von: Chi, Tutti, et al.
Veröffentlicht: (2025)

DashengTokenizer: One layer is enough for unified audio understanding and generation
von: Dinkel, Heinrich, et al.
Veröffentlicht: (2026)

Advancing Test-Time Adaptation in Wild Acoustic Test Settings
von: Liu, Hongfu, et al.
Veröffentlicht: (2023)

Long-form music generation with latent diffusion
von: Evans, Zach, et al.
Veröffentlicht: (2024)

StemGen: A music generation model that listens
von: Parker, Julian D., et al.
Veröffentlicht: (2023)

NatureLM-audio: an Audio-Language Foundation Model for Bioacoustics
von: Robinson, David, et al.
Veröffentlicht: (2024)

ICGAN: An implicit conditioning method for interpretable feature control of neural audio synthesis
von: Liu, Yunyi, et al.
Veröffentlicht: (2024)

Test-Time Training for Speech Enhancement
von: Behera, Avishkar, et al.
Veröffentlicht: (2025)

Test-Time Training for Depression Detection
von: Dumpala, Sri Harsha, et al.
Veröffentlicht: (2024)

Test-Time Adaptation for Speech Emotion Recognition
von: Dong, Jiaheng, et al.
Veröffentlicht: (2026)

DistriBlock: Identifying adversarial audio samples by leveraging characteristics of the output distribution
von: Pizarro, Matías, et al.
Veröffentlicht: (2023)

SLEEPING-DISCO 9M: A large-scale pre-training dataset for generative music modeling
von: Ahmed, Tawsif, et al.
Veröffentlicht: (2025)

An Investigation of Test-time Adaptation for Audio Classification under Background Noise
von: Shao, Weichuang, et al.
Veröffentlicht: (2025)

Supervised contrastive learning from weakly-labeled audio segments for musical version matching
von: Serrà, Joan, et al.
Veröffentlicht: (2025)

Discriminant audio properties in deep learning based respiratory insufficiency detection in Brazilian Portuguese
von: Gauy, Marcelo Matheus, et al.
Veröffentlicht: (2024)

E-BATS: Efficient Backpropagation-Free Test-Time Adaptation for Speech Foundation Models
von: Dong, Jiaheng, et al.
Veröffentlicht: (2025)

Solution for Temporal Sound Localisation Task of ECCV Second Perception Test Challenge 2024
von: Gu, Haowei, et al.
Veröffentlicht: (2024)

AEROMamba: An efficient architecture for audio super-resolution using generative adversarial networks and state space models
von: Abreu, Wallace, et al.
Veröffentlicht: (2024)

Episodic fine-tuning prototypical networks for optimization-based few-shot learning: Application to audio classification
von: Zhuang, Xuanyu, et al.
Veröffentlicht: (2024)

An Attention Long Short-Term Memory based system for automatic classification of speech intelligibility
von: Fernández-Díaz, Miguel, et al.
Veröffentlicht: (2024)