DashengTokenizer: One layer is enough for unified audio understanding and generation
Fuente:
arXiv
Salvato in:
| Autori principali: | Dinkel, Heinrich, Sun, Xingwei, Li, Gang, Mei, Jiahao, Niu, Yadong, Liu, Jizhong, Li, Xiyang, Liao, Yifan, Zhou, Jiahao, Zhang, Junbo, Luan, Jian |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Dasheng AudioGen: A Unified Model for Generating Coherent Audio Scenes from Text
di: Mei, Jiahao, et al.
Pubblicazione: (2026)
di: Mei, Jiahao, et al.
Pubblicazione: (2026)
MiDashengLM: Efficient Audio Understanding with General Audio Captions
di: Dinkel, Heinrich, et al.
Pubblicazione: (2025)
di: Dinkel, Heinrich, et al.
Pubblicazione: (2025)
ACAVCaps: Enabling large-scale training for fine-grained and diverse audio understanding
di: Niu, Yadong, et al.
Pubblicazione: (2026)
di: Niu, Yadong, et al.
Pubblicazione: (2026)
GLAP: General contrastive audio-text pretraining across domains and languages
di: Dinkel, Heinrich, et al.
Pubblicazione: (2025)
di: Dinkel, Heinrich, et al.
Pubblicazione: (2025)
Reinforcement Learning Outperforms Supervised Fine-Tuning: A Case Study on Audio Question Answering
di: Li, Gang, et al.
Pubblicazione: (2025)
di: Li, Gang, et al.
Pubblicazione: (2025)
MECAT: A Multi-Experts Constructed Benchmark for Fine-Grained Audio Understanding Tasks
di: Niu, Yadong, et al.
Pubblicazione: (2025)
di: Niu, Yadong, et al.
Pubblicazione: (2025)
Efficient Speech Enhancement via Embeddings from Pre-trained Generative Audioencoders
di: Sun, Xingwei, et al.
Pubblicazione: (2025)
di: Sun, Xingwei, et al.
Pubblicazione: (2025)
Scaling up masked audio encoder learning for general audio classification
di: Dinkel, Heinrich, et al.
Pubblicazione: (2024)
di: Dinkel, Heinrich, et al.
Pubblicazione: (2024)
X-ARES: A Comprehensive Framework for Assessing Audio Encoder Performance
di: Zhang, Junbo, et al.
Pubblicazione: (2025)
di: Zhang, Junbo, et al.
Pubblicazione: (2025)
The Interspeech 2026 Audio Encoder Capability Challenge for Large Audio Language Models
di: Dinkel, Heinrich, et al.
Pubblicazione: (2026)
di: Dinkel, Heinrich, et al.
Pubblicazione: (2026)
Enhancing Automated Audio Captioning via Large Language Models with Optimized Audio Encoding
di: Liu, Jizhong, et al.
Pubblicazione: (2024)
di: Liu, Jizhong, et al.
Pubblicazione: (2024)
Bridging Language Gaps in Audio-Text Retrieval
di: Yan, Zhiyong, et al.
Pubblicazione: (2024)
di: Yan, Zhiyong, et al.
Pubblicazione: (2024)
The ICME 2025 Audio Encoder Capability Challenge
di: Zhang, Junbo, et al.
Pubblicazione: (2025)
di: Zhang, Junbo, et al.
Pubblicazione: (2025)
A unified multimodal understanding and generation model for cross-disciplinary scientific research
di: Yang, Xiaomeng, et al.
Pubblicazione: (2026)
di: Yang, Xiaomeng, et al.
Pubblicazione: (2026)
Streaming Audio Transformers for Online Audio Tagging
di: Dinkel, Heinrich, et al.
Pubblicazione: (2023)
di: Dinkel, Heinrich, et al.
Pubblicazione: (2023)
Have we unified image generation and understanding yet? An empirical study of GPT-4o's image generation ability
di: Li, Ning, et al.
Pubblicazione: (2025)
di: Li, Ning, et al.
Pubblicazione: (2025)
GPTFUZZER: Red Teaming Large Language Models with Auto-Generated Jailbreak Prompts
di: Yu, Jiahao, et al.
Pubblicazione: (2023)
di: Yu, Jiahao, et al.
Pubblicazione: (2023)
Efficient 3D Content Reconstruction and Generation
di: Li, Jiahao
Pubblicazione: (2026)
di: Li, Jiahao
Pubblicazione: (2026)
Gauge flux generations of weakly magnetized Dirac spin liquid in a kagomé lattice
di: Pan, Si-Yu, et al.
Pubblicazione: (2025)
di: Pan, Si-Yu, et al.
Pubblicazione: (2025)
TEAdapter: Supply abundant guidance for controllable text-to-music generation
di: Zou, Jialing, et al.
Pubblicazione: (2024)
di: Zou, Jialing, et al.
Pubblicazione: (2024)
Moreover. Are we just not clever enough to understand the mind?
Pubblicazione: (1999)
Pubblicazione: (1999)
Enhancing Few-Shot Stock Trend Prediction with Large Language Models
di: Deng, Yiqi, et al.
Pubblicazione: (2024)
di: Deng, Yiqi, et al.
Pubblicazione: (2024)
ScenDi: 3D-to-2D Scene Diffusion Cascades for Urban Generation
di: Guo, Hanlei, et al.
Pubblicazione: (2026)
di: Guo, Hanlei, et al.
Pubblicazione: (2026)
Natural language is not enough: Benchmarking multi-modal generative AI for Verilog generation
di: Chang, Kaiyan, et al.
Pubblicazione: (2024)
di: Chang, Kaiyan, et al.
Pubblicazione: (2024)
Audio Dialogues: Dialogues dataset for audio and music understanding
di: Goel, Arushi, et al.
Pubblicazione: (2024)
di: Goel, Arushi, et al.
Pubblicazione: (2024)
asvspoof2015 in WebDataset Format
di: Yadong, Niu
Pubblicazione: (2025)
di: Yadong, Niu
Pubblicazione: (2025)
vocalimitationset in WebDataset Format
di: Yadong, Niu
Pubblicazione: (2025)
di: Yadong, Niu
Pubblicazione: (2025)
Adalbert Stifter
di: Dinkel, Benjamin
Pubblicazione: (2025)
di: Dinkel, Benjamin
Pubblicazione: (2025)
A unified physics-informed generative operator framework for general inverse problems
di: Bao, Gang, et al.
Pubblicazione: (2025)
di: Bao, Gang, et al.
Pubblicazione: (2025)
Source code for "Urban expansion reconfigures the landscape of a neglected zoonosis by advancing the peri-urban fringe"
di: Li, Xiyang
Pubblicazione: (2026)
di: Li, Xiyang
Pubblicazione: (2026)
UniMIC: Token-Based Multimodal Interactive Coding for Human-AI Collaboration
di: Mao, Qi, et al.
Pubblicazione: (2025)
di: Mao, Qi, et al.
Pubblicazione: (2025)
One stabilization is not enough for contractible 4-manifolds
di: Kang, Sungkyung
Pubblicazione: (2022)
di: Kang, Sungkyung
Pubblicazione: (2022)
Finite‐Time Inverse Optimal Control for Low‐Order Stochastic Nonlinear Systems With Time‐Varying Orders
di: Mengmeng Jiang, et al.
Pubblicazione: (2025)
di: Mengmeng Jiang, et al.
Pubblicazione: (2025)
Are LLMs Reliable Rankers? Rank Manipulation via Two-Stage Token Optimization
di: Xing, Tiancheng, et al.
Pubblicazione: (2025)
di: Xing, Tiancheng, et al.
Pubblicazione: (2025)
Heterogeneous Federated Fine-Tuning with Parallel One-Rank Adaptation
di: Zhang, Zikai, et al.
Pubblicazione: (2026)
di: Zhang, Zikai, et al.
Pubblicazione: (2026)
Q2A: Querying Implicit Fully Continuous Feature Pyramid to Align Features for Medical Image Segmentation
di: Yu, Jiahao, et al.
Pubblicazione: (2024)
di: Yu, Jiahao, et al.
Pubblicazione: (2024)
A Survey on GUI Agents with Foundation Models Enhanced by Reinforcement Learning
di: Li, Jiahao, et al.
Pubblicazione: (2025)
di: Li, Jiahao, et al.
Pubblicazione: (2025)
Direct numerical simulation of out-scale-actuated spanwise wall oscillation in turbulent boundary layers
di: Zhang, Jizhong, et al.
Pubblicazione: (2026)
di: Zhang, Jizhong, et al.
Pubblicazione: (2026)
idekerlab/cellmaps_coembedding: Add umap generation
di: Joanna, et al.
Pubblicazione: (2025)
di: Joanna, et al.
Pubblicazione: (2025)
DLF: Extreme Image Compression with Dual-generative Latent Fusion
di: Xue, Naifu, et al.
Pubblicazione: (2025)
di: Xue, Naifu, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Dasheng AudioGen: A Unified Model for Generating Coherent Audio Scenes from Text
di: Mei, Jiahao, et al.
Pubblicazione: (2026) -
MiDashengLM: Efficient Audio Understanding with General Audio Captions
di: Dinkel, Heinrich, et al.
Pubblicazione: (2025) -
ACAVCaps: Enabling large-scale training for fine-grained and diverse audio understanding
di: Niu, Yadong, et al.
Pubblicazione: (2026) -
GLAP: General contrastive audio-text pretraining across domains and languages
di: Dinkel, Heinrich, et al.
Pubblicazione: (2025) -
Reinforcement Learning Outperforms Supervised Fine-Tuning: A Case Study on Audio Question Answering
di: Li, Gang, et al.
Pubblicazione: (2025)