Enregistré dans:
| Auteurs principaux: | Lin, Daniel Chenyu, Freeman, Michael, Thickstun, John |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2511.05550 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Do Music Generation Models Encode Music Theory?
par: Wei, Megan, et autres
Publié: (2024)
par: Wei, Megan, et autres
Publié: (2024)
AIR-Bench: Benchmarking Large Audio-Language Models via Generative Comprehension
par: Yang, Qian, et autres
Publié: (2024)
par: Yang, Qian, et autres
Publié: (2024)
MuChoMusic: Evaluating Music Understanding in Multimodal Audio-Language Models
par: Weck, Benno, et autres
Publié: (2024)
par: Weck, Benno, et autres
Publié: (2024)
Music Transcription with (Almost) No Supervision
par: Shin, Saebyeol, et autres
Publié: (2026)
par: Shin, Saebyeol, et autres
Publié: (2026)
Anticipatory Music Transformer
par: Thickstun, John, et autres
Publié: (2023)
par: Thickstun, John, et autres
Publié: (2023)
UALM: Unified Audio Language Model for Understanding, Generation and Reasoning
par: Tian, Jinchuan, et autres
Publié: (2025)
par: Tian, Jinchuan, et autres
Publié: (2025)
Learning When to Think While Listening in Large Audio-Language Models
par: Song, Zhiyuan, et autres
Publié: (2026)
par: Song, Zhiyuan, et autres
Publié: (2026)
Audio-Reasoner: Improving Reasoning Capability in Large Audio Language Models
par: Xie, Zhifei, et autres
Publié: (2025)
par: Xie, Zhifei, et autres
Publié: (2025)
Large Language Models' Internal Perception of Symbolic Music
par: Shin, Andrew, et autres
Publié: (2025)
par: Shin, Andrew, et autres
Publié: (2025)
Audio Flamingo 2: An Audio-Language Model with Long-Audio Understanding and Expert Reasoning Abilities
par: Ghosh, Sreyan, et autres
Publié: (2025)
par: Ghosh, Sreyan, et autres
Publié: (2025)
Understanding Sounds, Missing the Questions: The Challenge of Object Hallucination in Large Audio-Language Models
par: Kuan, Chun-Yi, et autres
Publié: (2024)
par: Kuan, Chun-Yi, et autres
Publié: (2024)
Exploring Fine-Tuning of Large Audio Language Models for Spoken Language Understanding under Limited Speech Data
par: Choi, Youngwon, et autres
Publié: (2025)
par: Choi, Youngwon, et autres
Publié: (2025)
A Comprehensive Survey of Hallucination in Large Language, Image, Video and Audio Foundation Models
par: Sahoo, Pranab, et autres
Publié: (2024)
par: Sahoo, Pranab, et autres
Publié: (2024)
Large Language Model Data Generation for Enhanced Intent Recognition in German Speech
par: Rosin, Theresa Pekarek, et autres
Publié: (2025)
par: Rosin, Theresa Pekarek, et autres
Publié: (2025)
Whisper-GPT: A Hybrid Representation Audio Large Language Model
par: Verma, Prateek
Publié: (2024)
par: Verma, Prateek
Publié: (2024)
RUMAA: Repeat-Aware Unified Music Audio Analysis for Score-Performance Alignment, Transcription, and Mistake Detection
par: Chang, Sungkyun, et autres
Publié: (2025)
par: Chang, Sungkyun, et autres
Publié: (2025)
Competitive Audio-Language Models with Data-Efficient Single-Stage Training on Public Data
par: Kumar, Gokul Karthik, et autres
Publié: (2025)
par: Kumar, Gokul Karthik, et autres
Publié: (2025)
tinyCLAP: Distilling Constrastive Language-Audio Pretrained Models
par: Paissan, Francesco, et autres
Publié: (2023)
par: Paissan, Francesco, et autres
Publié: (2023)
Synthetic Audio Helps for Cognitive State Tasks
par: Soubki, Adil, et autres
Publié: (2025)
par: Soubki, Adil, et autres
Publié: (2025)
Music for All: Representational Bias and Cross-Cultural Adaptability of Music Generation Models
par: Mehta, Atharva, et autres
Publié: (2025)
par: Mehta, Atharva, et autres
Publié: (2025)
WavLink: Compact Audio-Text Embeddings with a Global Whisper Token
par: Kumar, Gokul Karthik, et autres
Publié: (2026)
par: Kumar, Gokul Karthik, et autres
Publié: (2026)
Walking Through Uncertainty: An Empirical Study of Uncertainty Estimation for Audio-Aware Large Language Models
par: Kuan, Chun-Yi, et autres
Publié: (2026)
par: Kuan, Chun-Yi, et autres
Publié: (2026)
MERT: Acoustic Music Understanding Model with Large-Scale Self-supervised Training
par: Li, Yizhi, et autres
Publié: (2023)
par: Li, Yizhi, et autres
Publié: (2023)
PairAlign: A Framework for Sequence Tokenization via Self-Alignment with Applications to Audio Tokenization
par: Banerjee, Adhiraj, et autres
Publié: (2026)
par: Banerjee, Adhiraj, et autres
Publié: (2026)
T-CLAP: Temporal-Enhanced Contrastive Language-Audio Pretraining
par: Yuan, Yi, et autres
Publié: (2024)
par: Yuan, Yi, et autres
Publié: (2024)
Audio MultiChallenge: A Multi-Turn Evaluation of Spoken Dialogue Systems on Natural Human Interaction
par: Gosai, Advait, et autres
Publié: (2025)
par: Gosai, Advait, et autres
Publié: (2025)
Predicting User Intents and Musical Attributes from Music Discovery Conversations
par: Kwon, Daeyong, et autres
Publié: (2024)
par: Kwon, Daeyong, et autres
Publié: (2024)
Improving Text-To-Audio Models with Synthetic Captions
par: Kong, Zhifeng, et autres
Publié: (2024)
par: Kong, Zhifeng, et autres
Publié: (2024)
Foundation Models for Music: A Survey
par: Ma, Yinghao, et autres
Publié: (2024)
par: Ma, Yinghao, et autres
Publié: (2024)
MAEB: Massive Audio Embedding Benchmark
par: Assadi, Adnan El, et autres
Publié: (2026)
par: Assadi, Adnan El, et autres
Publié: (2026)
ETTA: Elucidating the Design Space of Text-to-Audio Models
par: Lee, Sang-gil, et autres
Publié: (2024)
par: Lee, Sang-gil, et autres
Publié: (2024)
Audio-to-Score Conversion Model Based on Whisper methodology
par: Zhang, Hongyao, et autres
Publié: (2024)
par: Zhang, Hongyao, et autres
Publié: (2024)
Audio Turing Test: Benchmarking the Human-likeness of Large Language Model-based Text-to-Speech Systems in Chinese
par: Wang, Xihuai, et autres
Publié: (2025)
par: Wang, Xihuai, et autres
Publié: (2025)
Sparse Tokens Suffice: Jailbreaking Audio Language Models via Token-Aware Gradient Optimization
par: Fang, Zheng, et autres
Publié: (2026)
par: Fang, Zheng, et autres
Publié: (2026)
Multiple-Instance, Cascaded Classification for Keyword Spotting in Narrow-Band Audio
par: AbdulKader, Ahmad, et autres
Publié: (2017)
par: AbdulKader, Ahmad, et autres
Publié: (2017)
Linear Complexity Self-Supervised Learning for Music Understanding with Random Quantizer
par: Vavaroutsos, Petros, et autres
Publié: (2026)
par: Vavaroutsos, Petros, et autres
Publié: (2026)
When Silence Matters: The Impact of Irrelevant Audio on Text Reasoning in Large Audio-Language Models
par: Li, Chen-An, et autres
Publié: (2025)
par: Li, Chen-An, et autres
Publié: (2025)
Separating the "Chirp" from the "Chat": Self-supervised Visual Grounding of Sound and Language
par: Hamilton, Mark, et autres
Publié: (2024)
par: Hamilton, Mark, et autres
Publié: (2024)
Words at Play: Benchmarking Audio Pun Understanding in Large Audio-Language Models
par: Su, Yuchen, et autres
Publié: (2026)
par: Su, Yuchen, et autres
Publié: (2026)
LLaSO: A Foundational Framework for Reproducible Research in Large Language and Speech Model
par: Sun, Yirong, et autres
Publié: (2025)
par: Sun, Yirong, et autres
Publié: (2025)
Documents similaires
-
Do Music Generation Models Encode Music Theory?
par: Wei, Megan, et autres
Publié: (2024) -
AIR-Bench: Benchmarking Large Audio-Language Models via Generative Comprehension
par: Yang, Qian, et autres
Publié: (2024) -
MuChoMusic: Evaluating Music Understanding in Multimodal Audio-Language Models
par: Weck, Benno, et autres
Publié: (2024) -
Music Transcription with (Almost) No Supervision
par: Shin, Saebyeol, et autres
Publié: (2026) -
Anticipatory Music Transformer
par: Thickstun, John, et autres
Publié: (2023)