Salvato in:
| Autori principali: | Cho, Cheol Jun, Lee, Nicholas, Black, Alan W, Anumanchipalli, Gopala K. |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2601.22306 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Sylber: Syllabic Embedding Representation of Speech from Raw Audio
di: Cho, Cheol Jun, et al.
Pubblicazione: (2024)
di: Cho, Cheol Jun, et al.
Pubblicazione: (2024)
Scaling Spoken Language Models with Syllabic Speech Tokenization
di: Lee, Nicholas, et al.
Pubblicazione: (2025)
di: Lee, Nicholas, et al.
Pubblicazione: (2025)
Self-Supervised Models of Speech Infer Universal Articulatory Kinematics
di: Cho, Cheol Jun, et al.
Pubblicazione: (2023)
di: Cho, Cheol Jun, et al.
Pubblicazione: (2023)
SD-HuBERT: Sentence-Level Self-Distillation Induces Syllabic Organization in HuBERT
di: Cho, Cheol Jun, et al.
Pubblicazione: (2023)
di: Cho, Cheol Jun, et al.
Pubblicazione: (2023)
Towards Hierarchical Spoken Language Dysfluency Modeling
di: Lian, Jiachen, et al.
Pubblicazione: (2024)
di: Lian, Jiachen, et al.
Pubblicazione: (2024)
Coding Speech through Vocal Tract Kinematics
di: Cho, Cheol Jun, et al.
Pubblicazione: (2024)
di: Cho, Cheol Jun, et al.
Pubblicazione: (2024)
Teaching Machines to Speak Using Articulatory Control
di: Anand, Akshay, et al.
Pubblicazione: (2025)
di: Anand, Akshay, et al.
Pubblicazione: (2025)
Full-Duplex-Bench: A Benchmark to Evaluate Full-duplex Spoken Dialogue Models on Turn-taking Capabilities
di: Lin, Guan-Ting, et al.
Pubblicazione: (2025)
di: Lin, Guan-Ting, et al.
Pubblicazione: (2025)
A Preliminary Analysis of Automatic Word and Syllable Prominence Detection in Non-Native Speech With Text-to-Speech Prosody Embeddings
di: Mondal, Anindita, et al.
Pubblicazione: (2024)
di: Mondal, Anindita, et al.
Pubblicazione: (2024)
SyllableLM: Learning Coarse Semantic Units for Speech Language Models
di: Baade, Alan, et al.
Pubblicazione: (2024)
di: Baade, Alan, et al.
Pubblicazione: (2024)
HuPER: A Human-Inspired Framework for Phonetic Perception
di: Guo, Chenxu, et al.
Pubblicazione: (2026)
di: Guo, Chenxu, et al.
Pubblicazione: (2026)
Unsupervised TTS Acoustic Modeling for TTS with Conditional Disentangled Sequential VAE
di: Lian, Jiachen, et al.
Pubblicazione: (2022)
di: Lian, Jiachen, et al.
Pubblicazione: (2022)
ZeroSyl: Simple Zero-Resource Syllable Tokenization for Spoken Language Modeling
di: Visser, Nicol, et al.
Pubblicazione: (2026)
di: Visser, Nicol, et al.
Pubblicazione: (2026)
Fast, High-Quality and Parameter-Efficient Articulatory Synthesis using Differentiable DSP
di: Liu, Yisi, et al.
Pubblicazione: (2024)
di: Liu, Yisi, et al.
Pubblicazione: (2024)
Self-Supervised Syllable Discovery Based on Speaker-Disentangled HuBERT
di: Komatsu, Ryota, et al.
Pubblicazione: (2024)
di: Komatsu, Ryota, et al.
Pubblicazione: (2024)
EMO-Reasoning: Benchmarking Emotional Reasoning Capabilities in Spoken Dialogue Systems
di: Liu, Jingwen, et al.
Pubblicazione: (2025)
di: Liu, Jingwen, et al.
Pubblicazione: (2025)
Multimodal Segmentation for Vocal Tract Modeling
di: Jain, Rishi, et al.
Pubblicazione: (2024)
di: Jain, Rishi, et al.
Pubblicazione: (2024)
SSDM 2.0: Time-Accurate Speech Rich Transcription with Non-Fluencies
di: Lian, Jiachen, et al.
Pubblicazione: (2024)
di: Lian, Jiachen, et al.
Pubblicazione: (2024)
Deep Speech Synthesis from Multimodal Articulatory Representations
di: Wu, Peter, et al.
Pubblicazione: (2024)
di: Wu, Peter, et al.
Pubblicazione: (2024)
Speech World Model: Causal State-Action Planning with Explicit Reasoning for Speech
di: Zhou, Xuanru, et al.
Pubblicazione: (2025)
di: Zhou, Xuanru, et al.
Pubblicazione: (2025)
SSDM: Scalable Speech Dysfluency Modeling
di: Lian, Jiachen, et al.
Pubblicazione: (2024)
di: Lian, Jiachen, et al.
Pubblicazione: (2024)
Towards EMG-to-Speech with a Necklace Form Factor
di: Wu, Peter, et al.
Pubblicazione: (2024)
di: Wu, Peter, et al.
Pubblicazione: (2024)
The ML-SUPERB 2.0 Challenge: Towards Inclusive ASR Benchmarking for All Language Varieties
di: Chen, William, et al.
Pubblicazione: (2025)
di: Chen, William, et al.
Pubblicazione: (2025)
Audio Texture Manipulation by Exemplar-Based Analogy
di: Cheng, Kan Jen, et al.
Pubblicazione: (2025)
di: Cheng, Kan Jen, et al.
Pubblicazione: (2025)
K-Function: Joint Pronunciation Transcription and Feedback for Evaluating Kids Language Function
di: Li, Shuhe, et al.
Pubblicazione: (2025)
di: Li, Shuhe, et al.
Pubblicazione: (2025)
YOLO-Stutter: End-to-end Region-Wise Speech Dysfluency Detection
di: Zhou, Xuanru, et al.
Pubblicazione: (2024)
di: Zhou, Xuanru, et al.
Pubblicazione: (2024)
TalTech Systems for the Interspeech 2025 ML-SUPERB 2.0 Challenge
di: Alumäe, Tanel, et al.
Pubblicazione: (2025)
di: Alumäe, Tanel, et al.
Pubblicazione: (2025)
Self-Supervised Speech Models Encode Phonetic Context via Position-dependent Orthogonal Subspaces
di: Choi, Kwanghee, et al.
Pubblicazione: (2026)
di: Choi, Kwanghee, et al.
Pubblicazione: (2026)
[b]=[d]-[t]+[p]: Self-supervised Speech Models Discover Phonological Vector Arithmetic
di: Choi, Kwanghee, et al.
Pubblicazione: (2026)
di: Choi, Kwanghee, et al.
Pubblicazione: (2026)
Automatic classification of stop realisation with wav2vec2.0
di: Tanner, James, et al.
Pubblicazione: (2025)
di: Tanner, James, et al.
Pubblicazione: (2025)
ML-SUPERB 2.0: Benchmarking Multilingual Speech Models Across Modeling Constraints, Languages, and Datasets
di: Shi, Jiatong, et al.
Pubblicazione: (2024)
di: Shi, Jiatong, et al.
Pubblicazione: (2024)
Detecting Dysfluencies in Stuttering Therapy Using wav2vec 2.0
di: Bayerl, Sebastian P., et al.
Pubblicazione: (2022)
di: Bayerl, Sebastian P., et al.
Pubblicazione: (2022)
RT-VC: Real-Time Zero-Shot Voice Conversion with Speech Articulatory Coding
di: Liu, Yisi, et al.
Pubblicazione: (2025)
di: Liu, Yisi, et al.
Pubblicazione: (2025)
Enhancing Multilingual ASR for Unseen Languages via Language Embedding Modeling
di: Huang, Shao-Syuan, et al.
Pubblicazione: (2024)
di: Huang, Shao-Syuan, et al.
Pubblicazione: (2024)
The False Resonance: A Critical Examination of Emotion Embedding Similarity for Speech Generation Evaluation
di: Tsai, Yun-Shao, et al.
Pubblicazione: (2026)
di: Tsai, Yun-Shao, et al.
Pubblicazione: (2026)
Seed LiveInterpret 2.0: End-to-end Simultaneous Speech-to-speech Translation with Your Voice
di: Cheng, Shanbo, et al.
Pubblicazione: (2025)
di: Cheng, Shanbo, et al.
Pubblicazione: (2025)
Enhancing and Exploring Mild Cognitive Impairment Detection with W2V-BERT-2.0
di: Wang, Yueguan, et al.
Pubblicazione: (2025)
di: Wang, Yueguan, et al.
Pubblicazione: (2025)
SPGISpeech 2.0: Transcribed multi-speaker financial audio for speaker-tagged transcription
di: Grossman, Raymond, et al.
Pubblicazione: (2025)
di: Grossman, Raymond, et al.
Pubblicazione: (2025)
Whisper Turns Stronger: Augmenting Wav2Vec 2.0 for Superior ASR in Low-Resource Languages
di: Anidjar, Or Haim, et al.
Pubblicazione: (2024)
di: Anidjar, Or Haim, et al.
Pubblicazione: (2024)
Syllable based DNN-HMM Cantonese Speech to Text System
di: Wong, Timothy, et al.
Pubblicazione: (2024)
di: Wong, Timothy, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Sylber: Syllabic Embedding Representation of Speech from Raw Audio
di: Cho, Cheol Jun, et al.
Pubblicazione: (2024) -
Scaling Spoken Language Models with Syllabic Speech Tokenization
di: Lee, Nicholas, et al.
Pubblicazione: (2025) -
Self-Supervised Models of Speech Infer Universal Articulatory Kinematics
di: Cho, Cheol Jun, et al.
Pubblicazione: (2023) -
SD-HuBERT: Sentence-Level Self-Distillation Induces Syllabic Organization in HuBERT
di: Cho, Cheol Jun, et al.
Pubblicazione: (2023) -
Towards Hierarchical Spoken Language Dysfluency Modeling
di: Lian, Jiachen, et al.
Pubblicazione: (2024)