SALAD-VAE: Semantic Audio Compression with Language-Audio Distillation
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Braun, Sebastian, Gamper, Hannes, Emmanouilidou, Dimitra |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Adapting Frechet Audio Distance for Generative Music Evaluation
par: Gui, Azalea, et autres
Publié: (2023)
par: Gui, Azalea, et autres
Publié: (2023)
Addressing Emotion Bias in Music Emotion Recognition and Generation with Frechet Audio Distance
par: Li, Yuanchao, et autres
Publié: (2024)
par: Li, Yuanchao, et autres
Publié: (2024)
Quality Over Quantity? LLM-Based Curation for a Data-Efficient Audio-Video Foundation Model
par: Vosoughi, Ali, et autres
Publié: (2025)
par: Vosoughi, Ali, et autres
Publié: (2025)
Sci-Phi: A Large Language Model Spatial Audio Descriptor
par: Jiang, Xilin, et autres
Publié: (2025)
par: Jiang, Xilin, et autres
Publié: (2025)
Gaussian Flow Bridges for Audio Domain Transfer with Unpaired Data
par: Moliner, Eloi, et autres
Publié: (2024)
par: Moliner, Eloi, et autres
Publié: (2024)
Multi-label audio classification with a noisy zero-shot teacher
par: Braun, Sebastian, et autres
Publié: (2024)
par: Braun, Sebastian, et autres
Publié: (2024)
PAM: Prompting Audio-Language Models for Audio Quality Assessment
par: Deshmukh, Soham, et autres
Publié: (2024)
par: Deshmukh, Soham, et autres
Publié: (2024)
CMMD: Contrastive Multi-Modal Diffusion for Video-Audio Conditional Modeling
par: Yang, Ruihan, et autres
Publié: (2023)
par: Yang, Ruihan, et autres
Publié: (2023)
Audio Entailment: Assessing Deductive Reasoning for Audio Understanding
par: Deshmukh, Soham, et autres
Publié: (2024)
par: Deshmukh, Soham, et autres
Publié: (2024)
Distillation and Pruning for Scalable Self-Supervised Representation-Based Speech Quality Assessment
par: Stahl, Benjamin, et autres
Publié: (2025)
par: Stahl, Benjamin, et autres
Publié: (2025)
Task-Aware Answer Preservation under Audio Compression for Large Audio Language Models
par: Ivry, Amir
Publié: (2026)
par: Ivry, Amir
Publié: (2026)
SemanticAudio: Audio Generation and Editing in Semantic Space
par: Dai, Zheqi, et autres
Publié: (2026)
par: Dai, Zheqi, et autres
Publié: (2026)
Audio-Cogito: Towards Deep Audio Reasoning in Large Audio Language Models
par: Li, Longhao, et autres
Publié: (2026)
par: Li, Longhao, et autres
Publié: (2026)
DAC-JAX: A JAX Implementation of the Descript Audio Codec
par: Braun, David
Publié: (2024)
par: Braun, David
Publié: (2024)
Measuring Audio's Impact on Correctness: Audio-Contribution-Aware Post-Training of Large Audio Language Models
par: He, Haolin, et autres
Publié: (2025)
par: He, Haolin, et autres
Publié: (2025)
AudioLog: LLMs-Powered Long Audio Logging with Hybrid Token-Semantic Contrastive Learning
par: Bai, Jisheng, et autres
Publié: (2023)
par: Bai, Jisheng, et autres
Publié: (2023)
Robust Lossy Audio Compression Identification
par: Koops, Hendrik Vincent, et autres
Publié: (2024)
par: Koops, Hendrik Vincent, et autres
Publié: (2024)
AudioSetCaps: An Enriched Audio-Caption Dataset using Automated Generation Pipeline with Large Audio and Language Models
par: Bai, Jisheng, et autres
Publié: (2024)
par: Bai, Jisheng, et autres
Publié: (2024)
Pengi: An Audio Language Model for Audio Tasks
par: Deshmukh, Soham, et autres
Publié: (2023)
par: Deshmukh, Soham, et autres
Publié: (2023)
SAGA-SR: Semantically and Acoustically Guided Audio Super-Resolution
par: Im, Jaekwon, et autres
Publié: (2025)
par: Im, Jaekwon, et autres
Publié: (2025)
Towards Audio Token Compression in Large Audio Language Models
par: Bhati, Saurabhchand, et autres
Publié: (2025)
par: Bhati, Saurabhchand, et autres
Publié: (2025)
Efficient Audio Captioning with Encoder-Level Knowledge Distillation
par: Xu, Xuenan, et autres
Publié: (2024)
par: Xu, Xuenan, et autres
Publié: (2024)
Target Speaker Lipreading by Audio-Visual Self-Distillation Pretraining and Speaker Adaptation
par: Zhang, Jing-Xuan, et autres
Publié: (2025)
par: Zhang, Jing-Xuan, et autres
Publié: (2025)
InfiniteAudio: Infinite-Length Audio Generation with Consistency
par: Jung, Chaeyoung, et autres
Publié: (2025)
par: Jung, Chaeyoung, et autres
Publié: (2025)
Semantic-VAE: Semantic-Alignment Latent Representation for Better Speech Synthesis
par: Niu, Zhikang, et autres
Publié: (2025)
par: Niu, Zhikang, et autres
Publié: (2025)
Aud-Sur: An Audio Analyzer Assistant for Audio Surveillance Applications
par: Lam, Phat, et autres
Publié: (2025)
par: Lam, Phat, et autres
Publié: (2025)
DASS: Distilled Audio State Space Models Are Stronger and More Duration-Scalable Learners
par: Bhati, Saurabhchand, et autres
Publié: (2024)
par: Bhati, Saurabhchand, et autres
Publié: (2024)
Structural and Statistical Audio Texture Knowledge Distillation for Acoustic Classification
par: Ritu, Jarin, et autres
Publié: (2025)
par: Ritu, Jarin, et autres
Publié: (2025)
Continuous Audio Language Models
par: Rouard, Simon, et autres
Publié: (2025)
par: Rouard, Simon, et autres
Publié: (2025)
The Interspeech 2026 Audio Encoder Capability Challenge for Large Audio Language Models
par: Dinkel, Heinrich, et autres
Publié: (2026)
par: Dinkel, Heinrich, et autres
Publié: (2026)
AudioComposer: Towards Fine-grained Audio Generation with Natural Language Descriptions
par: Wang, Yuanyuan, et autres
Publié: (2024)
par: Wang, Yuanyuan, et autres
Publié: (2024)
SoloAudio: Target Sound Extraction with Language-oriented Audio Diffusion Transformer
par: Wang, Helin, et autres
Publié: (2024)
par: Wang, Helin, et autres
Publié: (2024)
AudioNet: Supervised Deep Hashing for Retrieval of Similar Audio Events
par: Dutta, Sagar, et autres
Publié: (2025)
par: Dutta, Sagar, et autres
Publié: (2025)
High-Fidelity Generative Audio Compression at 0.275kbps
par: Ma, Hao, et autres
Publié: (2026)
par: Ma, Hao, et autres
Publié: (2026)
Representation Learning for Semantic Alignment of Language, Audio, and Visual Modalities
par: Sudarsanam, Parthasaarathy, et autres
Publié: (2025)
par: Sudarsanam, Parthasaarathy, et autres
Publié: (2025)
UniAudio: An Audio Foundation Model Toward Universal Audio Generation
par: Yang, Dongchao, et autres
Publié: (2023)
par: Yang, Dongchao, et autres
Publié: (2023)
Video-to-Audio Generation with Fine-grained Temporal Semantics
par: Hu, Yuchen, et autres
Publié: (2024)
par: Hu, Yuchen, et autres
Publié: (2024)
UniAudio 1.5: Large Language Model-driven Audio Codec is A Few-shot Audio Task Learner
par: Yang, Dongchao, et autres
Publié: (2024)
par: Yang, Dongchao, et autres
Publié: (2024)
Perceptually-motivated Spatial Audio Codec for Higher-Order Ambisonics Compression
par: Hold, Christoph, et autres
Publié: (2024)
par: Hold, Christoph, et autres
Publié: (2024)
Audio Deepfake Verification
par: Wang, Li, et autres
Publié: (2025)
par: Wang, Li, et autres
Publié: (2025)
Documents similaires
-
Adapting Frechet Audio Distance for Generative Music Evaluation
par: Gui, Azalea, et autres
Publié: (2023) -
Addressing Emotion Bias in Music Emotion Recognition and Generation with Frechet Audio Distance
par: Li, Yuanchao, et autres
Publié: (2024) -
Quality Over Quantity? LLM-Based Curation for a Data-Efficient Audio-Video Foundation Model
par: Vosoughi, Ali, et autres
Publié: (2025) -
Sci-Phi: A Large Language Model Spatial Audio Descriptor
par: Jiang, Xilin, et autres
Publié: (2025) -
Gaussian Flow Bridges for Audio Domain Transfer with Unpaired Data
par: Moliner, Eloi, et autres
Publié: (2024)