Buchumschlag

SAO-Instruct: Free-form Audio Editing using Natural Language Instructions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ungersböck, Michael, Grötschla, Florian, Lanzendörfer, Luca A., Yi, June Young, Choi, Changho, Wattenhofer, Roger
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Sound Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

High-Fidelity Music Vocoder using Neural Audio Codecs
von: Lanzendörfer, Luca A., et al.
Veröffentlicht: (2025)

SALSA-V: Shortcut-Augmented Long-form Synchronized Audio from Videos
von: Dellali, Amir, et al.
Veröffentlicht: (2025)

Multi-bit Audio Watermarking
von: Lanzendörfer, Luca A., et al.
Veröffentlicht: (2025)

Benchmarking Diarization Models
von: Lanzendörfer, Luca A., et al.
Veröffentlicht: (2025)

Benchmarking Music Generation Models and Metrics via Human Preference Studies
von: Grötschla, Florian, et al.
Veröffentlicht: (2025)

Bias beyond Borders: Global Inequalities in AI-Generated Music
von: Solak, Ahmet, et al.
Veröffentlicht: (2025)

Audio Atlas: Visualizing and Exploring Audio Datasets
von: Lanzendörfer, Luca A., et al.
Veröffentlicht: (2024)

Towards Leveraging Contrastively Pretrained Neural Audio Embeddings for Recommender Tasks
von: Grötschla, Florian, et al.
Veröffentlicht: (2024)

Parametric Neural Amp Modeling with Active Learning
von: Grötschla, Florian, et al.
Veröffentlicht: (2025)

Evaluating Objective Speech Quality Metrics for Neural Audio Codecs
von: Lanzendörfer, Luca A., et al.
Veröffentlicht: (2025)

SNAC: Multi-Scale Neural Audio Codec
von: Siuzdak, Hubert, et al.
Veröffentlicht: (2024)

MaskBeat: Loopable Drum Beat Generation
von: Lanzendörfer, Luca A., et al.
Veröffentlicht: (2025)

Source Separation for A Cappella Music
von: Lanzendörfer, Luca A., et al.
Veröffentlicht: (2025)

Adapting Neural Audio Codecs to EEG
von: Kastrati, Ard, et al.
Veröffentlicht: (2025)

High-Fidelity Speech Enhancement via Discrete Audio Tokens
von: Lanzendörfer, Luca A., et al.
Veröffentlicht: (2025)

Inductive Transfer Learning for Graph-Based Recommenders
von: Grötschla, Florian, et al.
Veröffentlicht: (2025)

Parametric Neural Amp Modeling with Active Learning
von: Grötschla, Florian, et al.
Veröffentlicht: (2025)

EuroSpeech: A Multilingual Speech Corpus
von: Pfisterer, Samuel, et al.
Veröffentlicht: (2025)

Instruct-MusicGen: Unlocking Text-to-Music Editing for Music Language Models via Instruction Tuning
von: Zhang, Yixiao, et al.
Veröffentlicht: (2024)

AEye: A Visualization Tool for Image Datasets
von: Grötschla, Florian, et al.
Veröffentlicht: (2024)

Virtual Consistency for Audio Editing
von: Cervera, Matthieu, et al.
Veröffentlicht: (2025)

Benchmarking Positional Encodings for GNNs and Graph Transformers
von: Grötschla, Florian, et al.
Veröffentlicht: (2024)

Next Level Message-Passing with Hierarchical Support Graphs
von: Vonessen, Carlos, et al.
Veröffentlicht: (2024)

Guiding Audio Editing with Audio Language Model
von: Lan, Zitong, et al.
Veröffentlicht: (2025)

Audio Editing with Non-Rigid Text Prompts
von: Paissan, Francesco, et al.
Veröffentlicht: (2023)

TACOS: Temporally-aligned Audio CaptiOnS for Language-Audio Pretraining
von: Primus, Paul, et al.
Veröffentlicht: (2025)

VCNAC: A Variable-Channel Neural Audio Codec for Mono, Stereo, and Surround Sound
von: Grötschla, Florian, et al.
Veröffentlicht: (2026)

Estimated Audio-Caption Correspondences Improve Language-Based Audio Retrieval
von: Primus, Paul, et al.
Veröffentlicht: (2024)

Coherent Audio-Visual Editing via Conditional Audio Generation Following Video Edits
von: Ishii, Masato, et al.
Veröffentlicht: (2025)

How to Label Resynthesized Audio: The Dual Role of Neural Audio Codecs in Audio Deepfake Detection
von: Xiao, Yixuan, et al.
Veröffentlicht: (2026)

ADNAC: Audio Denoiser using Neural Audio Codec
von: Jimon, Daniel, et al.
Veröffentlicht: (2025)

Training-Free Multimodal Guidance for Video to Audio Generation
von: Grassucci, Eleonora, et al.
Veröffentlicht: (2025)

Unleashing the Power of Natural Audio Featuring Multiple Sound Sources
von: Cheng, Xize, et al.
Veröffentlicht: (2025)

InstructTTSEval: Benchmarking Complex Natural-Language Instruction Following in Text-to-Speech Systems
von: Huang, Kexin, et al.
Veröffentlicht: (2025)

Segmentwise Pruning in Audio-Language Models
von: Gibier, Marcel, et al.
Veröffentlicht: (2025)

Benchmarking GNNs Using Lightning Network Data
von: Feichtinger, Rainer, et al.
Veröffentlicht: (2024)

CoRe-GD: A Hierarchical Framework for Scalable Graph Visualization with GNNs
von: Grötschla, Florian, et al.
Veröffentlicht: (2024)

InstructDubber: Instruction-based Alignment for Zero-shot Movie Dubbing
von: Zhang, Zhedong, et al.
Veröffentlicht: (2025)

Patch-Mix Contrastive Learning with Audio Spectrogram Transformer on Respiratory Sound Classification
von: Bae, Sangmin, et al.
Veröffentlicht: (2023)

Flood and Echo Net: Algorithmically Aligned GNNs that Generalize
von: Mathys, Joël, et al.
Veröffentlicht: (2023)