Guiding Audio Editing with Audio Language Model
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Lan, Zitong, Hao, Yiduo, Zhao, Mingmin |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Resounding Acoustic Fields with Reciprocity
par: Lan, Zitong, et autres
Publié: (2025)
par: Lan, Zitong, et autres
Publié: (2025)
Building Audio-Visual Digital Twins with Smartphones
par: Lan, Zitong, et autres
Publié: (2025)
par: Lan, Zitong, et autres
Publié: (2025)
Prompt-guided Precise Audio Editing with Diffusion Models
par: Xu, Manjie, et autres
Publié: (2024)
par: Xu, Manjie, et autres
Publié: (2024)
AudioGenX: Explainability on Text-to-Audio Generative Models
par: Kang, Hyunju, et autres
Publié: (2025)
par: Kang, Hyunju, et autres
Publié: (2025)
Jailbreak-AudioBench: In-Depth Evaluation and Analysis of Jailbreak Threats for Large Audio Language Models
par: Cheng, Hao, et autres
Publié: (2025)
par: Cheng, Hao, et autres
Publié: (2025)
Benchmarking Language Modeling for Lossless Compression of Full-Fidelity Audio
par: Long, Phillip, et autres
Publié: (2026)
par: Long, Phillip, et autres
Publié: (2026)
NatureLM-audio: an Audio-Language Foundation Model for Bioacoustics
par: Robinson, David, et autres
Publié: (2024)
par: Robinson, David, et autres
Publié: (2024)
EVA-GAN: Enhanced Various Audio Generation via Scalable Generative Adversarial Networks
par: Liao, Shijia, et autres
Publié: (2024)
par: Liao, Shijia, et autres
Publié: (2024)
Generative AI for Music and Audio
par: Dong, Hao-Wen
Publié: (2024)
par: Dong, Hao-Wen
Publié: (2024)
Scaling Ambiguity: Augmenting Human Annotation in Speech Emotion Recognition with Audio-Language Models
par: Zhang, Wenda, et autres
Publié: (2026)
par: Zhang, Wenda, et autres
Publié: (2026)
Quantifying Multimodal Imbalance: A GMM-Guided Adaptive Loss for Audio-Visual Learning
par: Liu, Zhaocheng, et autres
Publié: (2025)
par: Liu, Zhaocheng, et autres
Publié: (2025)
AudioJailbreak: Jailbreak Attacks against End-to-End Large Audio-Language Models
par: Chen, Guangke, et autres
Publié: (2025)
par: Chen, Guangke, et autres
Publié: (2025)
Masked Audio Generation using a Single Non-Autoregressive Transformer
par: Ziv, Alon, et autres
Publié: (2024)
par: Ziv, Alon, et autres
Publié: (2024)
Lightweight Joint Audio-Visual Deepfake Detection via Single-Stream Multi-Modal Learning Framework
par: Zhang, Kuiyuan, et autres
Publié: (2025)
par: Zhang, Kuiyuan, et autres
Publié: (2025)
Text-Queried Audio Source Separation via Hierarchical Modeling
par: Yin, Xinlei, et autres
Publié: (2025)
par: Yin, Xinlei, et autres
Publié: (2025)
Sparse Autoencoders Make Audio Foundation Models more Explainable
par: Mariotte, Théo, et autres
Publié: (2025)
par: Mariotte, Théo, et autres
Publié: (2025)
PoDAR: Power-Disentangled Audio Representation for Generative Modeling
par: Luebs, Alejandro, et autres
Publié: (2026)
par: Luebs, Alejandro, et autres
Publié: (2026)
HEAR: Holistic Evaluation of Audio Representations
par: Turian, Joseph, et autres
Publié: (2022)
par: Turian, Joseph, et autres
Publié: (2022)
SSLAM: Enhancing Self-Supervised Models with Audio Mixtures for Polyphonic Soundscapes
par: Alex, Tony, et autres
Publié: (2025)
par: Alex, Tony, et autres
Publié: (2025)
Open-Amp: Synthetic Data Framework for Audio Effect Foundation Models
par: Wright, Alec, et autres
Publié: (2024)
par: Wright, Alec, et autres
Publié: (2024)
Learning Source Disentanglement in Neural Audio Codec
par: Bie, Xiaoyu, et autres
Publié: (2024)
par: Bie, Xiaoyu, et autres
Publié: (2024)
TACNET: Temporal Audio Source Counting Network
par: Ahmadnejad, Amirreza, et autres
Publié: (2023)
par: Ahmadnejad, Amirreza, et autres
Publié: (2023)
Audio Transformers
par: Verma, Prateek, et autres
Publié: (2021)
par: Verma, Prateek, et autres
Publié: (2021)
Audio Spatially-Guided Fusion for Audio-Visual Navigation
par: Zhou, Xinyu, et autres
Publié: (2026)
par: Zhou, Xinyu, et autres
Publié: (2026)
Diffused Responsibility: Analyzing the Energy Consumption of Generative Text-to-Audio Diffusion Models
par: Passoni, Riccardo, et autres
Publié: (2025)
par: Passoni, Riccardo, et autres
Publié: (2025)
$\texttt{AVROBUSTBENCH}$: Benchmarking the Robustness of Audio-Visual Recognition Models at Test-Time
par: Maharana, Sarthak Kumar, et autres
Publié: (2025)
par: Maharana, Sarthak Kumar, et autres
Publié: (2025)
Audio-JEPA: Joint-Embedding Predictive Architecture for Audio Representation Learning
par: Tuncay, Ludovic, et autres
Publié: (2025)
par: Tuncay, Ludovic, et autres
Publié: (2025)
Training-Free Multi-Step Audio Source Separation
par: Zang, Yongyi, et autres
Publié: (2025)
par: Zang, Yongyi, et autres
Publié: (2025)
On Temporal Guidance and Iterative Refinement in Audio Source Separation
par: Morocutti, Tobias, et autres
Publié: (2025)
par: Morocutti, Tobias, et autres
Publié: (2025)
Leveraging Whisper Embeddings for Audio-based Lyrics Matching
par: Mancini, Eleonora, et autres
Publié: (2025)
par: Mancini, Eleonora, et autres
Publié: (2025)
Audio-Based Pedestrian Detection in the Presence of Vehicular Noise
par: Kim, Yonghyun, et autres
Publié: (2025)
par: Kim, Yonghyun, et autres
Publié: (2025)
Exploring and Applying Audio-Based Sentiment Analysis in Music
par: Jhanji, Etash
Publié: (2024)
par: Jhanji, Etash
Publié: (2024)
A Survey of Deep Learning Audio Generation Methods
par: Božić, Matej, et autres
Publié: (2024)
par: Božić, Matej, et autres
Publié: (2024)
Tuberculosis Screening from Cough Audio: Baseline Models, Clinical Variables, and Uncertainty Quantification
par: Kafentzis, George P., et autres
Publié: (2026)
par: Kafentzis, George P., et autres
Publié: (2026)
Do Audio-Visual Segmentation Models Truly Segment Sounding Objects?
par: Li, Jia, et autres
Publié: (2025)
par: Li, Jia, et autres
Publié: (2025)
SLAP: Scalable Language-Audio Pretraining with Variable-Duration Audio and Multi-Objective Training
par: Mei, Xinhao, et autres
Publié: (2026)
par: Mei, Xinhao, et autres
Publié: (2026)
Multimodal Audio-based Disease Prediction with Transformer-based Hierarchical Fusion Network
par: Cai, Jinjin, et autres
Publié: (2024)
par: Cai, Jinjin, et autres
Publié: (2024)
An Explainable Proxy Model for Multiabel Audio Segmentation
par: Mariotte, Théo, et autres
Publié: (2024)
par: Mariotte, Théo, et autres
Publié: (2024)
Learning Linearity in Audio Consistency Autoencoders via Implicit Regularization
par: Torres, Bernardo, et autres
Publié: (2025)
par: Torres, Bernardo, et autres
Publié: (2025)
Evaluating Fake Music Detection Performance Under Audio Augmentations
par: Sroka, Tomasz, et autres
Publié: (2025)
par: Sroka, Tomasz, et autres
Publié: (2025)
Documents similaires
-
Resounding Acoustic Fields with Reciprocity
par: Lan, Zitong, et autres
Publié: (2025) -
Building Audio-Visual Digital Twins with Smartphones
par: Lan, Zitong, et autres
Publié: (2025) -
Prompt-guided Precise Audio Editing with Diffusion Models
par: Xu, Manjie, et autres
Publié: (2024) -
AudioGenX: Explainability on Text-to-Audio Generative Models
par: Kang, Hyunju, et autres
Publié: (2025) -
Jailbreak-AudioBench: In-Depth Evaluation and Analysis of Jailbreak Threats for Large Audio Language Models
par: Cheng, Hao, et autres
Publié: (2025)