Buchumschlag

SpikCommander: A High-performance Spiking Transformer with Multi-view Learning for Efficient Speech Command Recognition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Jiaqi, Yu, Liutao, Shen, Xiongri, Guo, Sihang, Zhou, Chenlin, Zhao, Leilei, Zhong, Yi, Zhang, Zhiguo, Ma, Zhengyu
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

Efficient Speech Command Recognition Leveraging Spiking Neural Network and Curriculum Learning-based Knowledge Distillation
von: Wang, Jiaqi, et al.
Veröffentlicht: (2024)

BiSpikCLM: A Spiking Language Model integrating Softmax-Free Spiking Attention and Spike-Aware Alignment Distillation
von: Guo, Sihang, et al.
Veröffentlicht: (2026)

Moonshine: Speech Recognition for Live Transcription and Voice Commands
von: Jeffries, Nat, et al.
Veröffentlicht: (2024)

Hello Afrika: Speech Commands in Kinyarwanda
von: Igwegbe, George, et al.
Veröffentlicht: (2025)

Speech Command Recognition Using LogNNet Reservoir Computing for Embedded Systems
von: Izotov, Yuriy, et al.
Veröffentlicht: (2025)

S$^2$M-Former: Spiking Symmetric Mixing Branchformer for Brain Auditory Attention Detection
von: Wang, Jiaqi, et al.
Veröffentlicht: (2025)

SynTTS-Commands: A Public Dataset for On-Device KWS via TTS-Synthesized Multilingual Speech
von: Gan, Lu, et al.
Veröffentlicht: (2025)

Improving Pretrained YAMNet for Enhanced Speech Command Detection via Transfer Learning
von: Lachenani, Sidahmed, et al.
Veröffentlicht: (2025)

SVFormer: A Direct Training Spiking Transformer for Efficient Video Action Recognition
von: Yu, Liutao, et al.
Veröffentlicht: (2024)

Advancing Airport Tower Command Recognition: Integrating Squeeze-and-Excitation and Broadcasted Residual Learning
von: Lin, Yuanxi, et al.
Veröffentlicht: (2024)

Scalable Offline ASR for Command-Style Dictation in Courtrooms
von: Nethil, Kumarmanas, et al.
Veröffentlicht: (2025)

Evaluating Synthetic Command Attacks on Smart Voice Assistants
von: He, Zhengxian, et al.
Veröffentlicht: (2024)

Spiking and Event-driven Neuromorphic Mamba Models for Efficient Speech Recognition
von: Ahmed, Tauseef, et al.
Veröffentlicht: (2026)

Enhancing Synthetic Training Data for Speech Commands: From ASR-Based Filtering to Domain Adaptation in SSL Latent Space
von: Quintas, Sebastião, et al.
Veröffentlicht: (2024)

PTS-SNN: A Prompt-Tuned Temporal Shift Spiking Neural Networks for Efficient Speech Emotion Recognition
von: Su, Xun, et al.
Veröffentlicht: (2026)

Analyzing Multimodal Features of Spontaneous Voice Assistant Commands for Mild Cognitive Impairment Detection
von: Lin, Nana, et al.
Veröffentlicht: (2024)

Winner-Take-All Spiking Transformer for Language Modeling
von: Zhou, Chenlin, et al.
Veröffentlicht: (2026)

Temporal-Frequency State Space Duality: An Efficient Paradigm for Speech Emotion Recognition
von: Zhao, Jiaqi, et al.
Veröffentlicht: (2024)

Efficient Finetuning for Dimensional Speech Emotion Recognition in the Age of Transformers
von: Sampath, Aneesha, et al.
Veröffentlicht: (2025)

Breaking Through the Spike: Spike Window Decoding for Accelerated and Precise Automatic Speech Recognition
von: Zhang, Wei, et al.
Veröffentlicht: (2025)

Evaluating Voice Command Pipelines for Drone Control: From STT and LLM to Direct Classification and Siamese Networks
von: Simões, Lucca Emmanuel Pineli, et al.
Veröffentlicht: (2024)

DiTSE: High-Fidelity Generative Speech Enhancement via Latent Diffusion Transformers
von: Guimarães, Heitor R., et al.
Veröffentlicht: (2025)

Adaptive Spiking Neurons for Vision and Language Modeling
von: Zhou, Chenlin, et al.
Veröffentlicht: (2026)

Efficient Long-Form Speech Recognition for General Speech In-Context Learning
von: Yen, Hao, et al.
Veröffentlicht: (2024)

An Efficient Transfer Learning Method Based on Adapter with Local Attributes for Speech Emotion Recognition
von: Song, Haoyu, et al.
Veröffentlicht: (2025)

SimpleSpeech: Towards Simple and Efficient Text-to-Speech with Scalar Latent Transformer Diffusion Models
von: Yang, Dongchao, et al.
Veröffentlicht: (2024)

Explainable Transformer-CNN Fusion for Noise-Robust Speech Emotion Recognition
von: Chakrabarty, Sudip, et al.
Veröffentlicht: (2025)

SpikeVox: Towards Energy-Efficient Speech Therapy Framework with Spike-driven Generative Language Models
von: Putra, Rachmad Vidya Wicaksana, et al.
Veröffentlicht: (2025)

Spikingformer: A Key Foundation Model for Spiking Neural Networks
von: Zhou, Chenlin, et al.
Veröffentlicht: (2023)

ROSE: A Recognition-Oriented Speech Enhancement Framework in Air Traffic Control Using Multi-Objective Learning
von: Yu, Xincheng, et al.
Veröffentlicht: (2023)

Multi-Channel Speech Enhancement for Cocktail Party Speech Emotion Recognition
von: Chen, Youjun, et al.
Veröffentlicht: (2026)

Speech Recognition Transformers: Topological-lingualism Perspective
von: Singh, Shruti, et al.
Veröffentlicht: (2024)

A Transcription Prompt-based Efficient Audio Large Language Model for Robust Speech Recognition
von: Li, Yangze, et al.
Veröffentlicht: (2024)

SyncSpeech: Efficient and Low-Latency Text-to-Speech based on Temporal Masked Transformer
von: Sheng, Zhengyan, et al.
Veröffentlicht: (2025)

GigaAM: Efficient Self-Supervised Learner for Speech Recognition
von: Kutsakov, Aleksandr, et al.
Veröffentlicht: (2025)

Towards Ultra-Low-Power Neuromorphic Speech Enhancement with Spiking-FullSubNet
von: Hao, Xiang, et al.
Veröffentlicht: (2024)

Speech Emotion Recognition via Entropy-Aware Score Selection
von: Chua, ChenYi, et al.
Veröffentlicht: (2025)

Toward Fairness in Speech Recognition: Discovery and mitigation of performance disparities
von: Dheram, Pranav, et al.
Veröffentlicht: (2022)

Hybrid CNN-Transformer Architecture for Arabic Speech Emotion Recognition
von: Gheffari, Youcef Soufiane, et al.
Veröffentlicht: (2026)

Computation and Parameter Efficient Multi-Modal Fusion Transformer for Cued Speech Recognition
von: Liu, Lei, et al.
Veröffentlicht: (2024)