Buchumschlag

Listen, Attend, Understand: a Regularization Technique for Stable E2E Speech Translation Training on High Variance labels

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Diarra, Yacouba, Leventhal, Michael
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cost Analysis of Human-corrected Transcription for Predominately Oral Languages
von: Diarra, Yacouba, et al.
Veröffentlicht: (2025)

Kunnafonidilaw ka Cadeau: an ASR dataset of present-day Bambara
von: Diarra, Yacouba, et al.
Veröffentlicht: (2025)

Dealing with the Hard Facts of Low-Resource African NLP
von: Diarra, Yacouba, et al.
Veröffentlicht: (2025)

Where Are We At with Automatic Speech Recognition for the Bambara Language?
von: Diallo, Seydou, et al.
Veröffentlicht: (2026)

Listening or Reading? Evaluating Speech Awareness in Chain-of-Thought Speech-to-Text Translation
von: Romero-Díaz, Jacobo, et al.
Veröffentlicht: (2025)

Deep CLAS: Deep Contextual Listen, Attend and Spell
von: Wang, Mengzhi, et al.
Veröffentlicht: (2024)

Watch and Listen: Understanding Audio-Visual-Speech Moments with Multimodal LLM
von: Li, Zinuo, et al.
Veröffentlicht: (2025)

The Serendipity of Claude AI: Case of the 13 Low-Resource National Languages of Mali
von: Dembele, Alou, et al.
Veröffentlicht: (2025)

Optimal Multi-Task Learning at Regularization Horizon for Speech Translation Task
von: Jung, JungHo, et al.
Veröffentlicht: (2025)

Label-Synchronous Neural Transducer for E2E Simultaneous Speech Translation
von: Deng, Keqi, et al.
Veröffentlicht: (2024)

Gradient-Informed Training for Low-Resource Multilingual Speech Translation
von: Sun, Ruiyan, et al.
Veröffentlicht: (2026)

Scheduled Interleaved Speech-Text Training for Speech-to-Speech Translation with LLMs
von: Futami, Hayato, et al.
Veröffentlicht: (2025)

High-Fidelity Simultaneous Speech-To-Speech Translation
von: Labiausse, Tom, et al.
Veröffentlicht: (2025)

Prediction of Translation Techniques for the Translation Process
von: Zhou, Fan, et al.
Veröffentlicht: (2024)

R2T: Rule-Encoded Loss Functions for Low-Resource Sequence Tagging
von: Keita, Mamadou K., et al.
Veröffentlicht: (2025)

Generative Artificial Intelligence, Musical Heritage and the Construction of Peace Narratives: A Case Study in Mali
von: Coulibaly, Nouhoum, et al.
Veröffentlicht: (2026)

RVPO: Risk-Sensitive Alignment via Variance Regularization
von: Montero, Ivan, et al.
Veröffentlicht: (2026)

SpeechAlign: a Framework for Speech Translation Alignment Evaluation
von: Alastruey, Belen, et al.
Veröffentlicht: (2023)

Can Speech LLMs Think while Listening?
von: Shih, Yi-Jen, et al.
Veröffentlicht: (2025)

SpeechQE: Estimating the Quality of Direct Speech Translation
von: Han, HyoJung, et al.
Veröffentlicht: (2024)

SpeechT: Findings of the First Mentorship in Speech Translation
von: Moslem, Yasmin, et al.
Veröffentlicht: (2025)

Enhancing Pre-Trained Generative Language Models with Question Attended Span Extraction on Machine Reading Comprehension
von: Ai, Lin, et al.
Veröffentlicht: (2024)

Listen and Chant Before You Read: The Ladder of Beauty in LM Pre-Training
von: Nomura, Yoshinori
Veröffentlicht: (2026)

REINA: Regularized Entropy Information-Based Loss for Efficient Simultaneous Speech Translation
von: Hirschkind, Nameer, et al.
Veröffentlicht: (2025)

Speech-to-Speech Translation Pipelines for Conversations in Low-Resource Languages
von: Popescu-Belis, Andrei, et al.
Veröffentlicht: (2025)

Cross-Modal Robustness Transfer (CMRT): Training Robust Speech Translation Models Using Adversarial Text
von: Issam, Abderrahmane, et al.
Veröffentlicht: (2026)

Chain-of-Thought Prompting for Speech Translation
von: Hu, Ke, et al.
Veröffentlicht: (2024)

High-Fidelity Pseudo-label Generation by Large Language Models for Training Robust Radiology Report Classifiers
von: Wong, Brian, et al.
Veröffentlicht: (2025)

SimulU: Training-free Policy for Long-form Simultaneous Speech-to-Speech Translation
von: Djanibekov, Amirbek, et al.
Veröffentlicht: (2026)

Different Speech Translation Models Encode and Translate Speaker Gender Differently
von: Fucci, Dennis, et al.
Veröffentlicht: (2025)

PROST-LLM: Progressively Enhancing the Speech-to-Speech Translation Capability in LLMs
von: Xu, Jing, et al.
Veröffentlicht: (2026)

R-BI: Regularized Batched Inputs enhance Incremental Decoding Framework for Low-Latency Simultaneous Speech Translation
von: Guo, Jiaxin, et al.
Veröffentlicht: (2024)

KIT's Low-resource Speech Translation Systems for IWSLT2025: System Enhancement with Synthetic Data and Model Regularization
von: Li, Zhaolin, et al.
Veröffentlicht: (2025)

Joint Training And Decoding for Multilingual End-to-End Simultaneous Speech Translation
von: Huang, Wuwei, et al.
Veröffentlicht: (2025)

Learning When Not to Attend Globally
von: Luo, Xuan, et al.
Veröffentlicht: (2025)

End-to-end Automatic Speech Recognition and Speech Translation: Integration of Speech Foundational Models and LLMs
von: Luu, Nam, et al.
Veröffentlicht: (2025)

FFSTC: Fongbe to French Speech Translation Corpus
von: Kponou, D. Fortune, et al.
Veröffentlicht: (2024)

Cross-Lingual Transfer Learning for Speech Translation
von: Ma, Rao, et al.
Veröffentlicht: (2024)

Unveiling the Role of Pretraining in Direct Speech Translation
von: Alastruey, Belen, et al.
Veröffentlicht: (2024)

Contrastive Feedback Mechanism for Simultaneous Speech Translation
von: Tan, Haotian, et al.
Veröffentlicht: (2024)