Buchumschlag

CoDeTT: A Context-Aware Decision Benchmark for Turn-Taking Evaluation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shen, Huan, Wang, Yingao, Huang, Shangkun, Zou, Wei, Chen, Yunzhang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Sound
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CLAR: CIF-Localized Alignment for Retrieval-Augmented Speech LLM-Based Contextual ASR
von: Huang, Shangkun, et al.
Veröffentlicht: (2026)

LLaDA-TTS: Unifying Speech Synthesis and Zero-Shot Editing via Masked Diffusion Modeling
von: Fan, Xiaoyu, et al.
Veröffentlicht: (2026)

Talking Turns: Benchmarking Audio Foundation Models on Turn-Taking Dynamics
von: Arora, Siddhant, et al.
Veröffentlicht: (2025)

Prompt-Guided Turn-Taking Prediction
von: Inoue, Koji, et al.
Veröffentlicht: (2025)

DualTurn: Learning Turn-Taking from Dual-Channel Generative Speech Pretraining
von: Rajaa, Shangeth
Veröffentlicht: (2026)

Synchronization and Turn-Taking in Full-Duplex Speech Dialogue Models
von: Riera, Pablo, et al.
Veröffentlicht: (2026)

Leveraging LLM for Stuttering Speech: A Unified Architecture Bridging Recognition and Event Detection
von: Huang, Shangkun, et al.
Veröffentlicht: (2025)

From Turn-Taking to Synchronous Dialogue: A Survey of Full-Duplex Spoken Language Models
von: Chen, Yuxuan, et al.
Veröffentlicht: (2025)

A Noise-Robust Turn-Taking System for Real-World Dialogue Robots: A Field Experiment
von: Inoue, Koji, et al.
Veröffentlicht: (2025)

Overlap-Adaptive Hybrid Speaker Diarization and ASR-Aware Observation Addition for MISP 2025 Challenge
von: Huang, Shangkun, et al.
Veröffentlicht: (2025)

VoiceGiraffe: A Benchmark for Extreme Long-Context Audio-Language Understanding
von: Ye, Jashin, et al.
Veröffentlicht: (2026)

Noise-Aware In-Context Learning for Hallucination Mitigation in ALLMs
von: Huang, Qixuan, et al.
Veröffentlicht: (2026)

LALM-as-a-Judge: Benchmarking Large Audio-Language Models for Safety Evaluation in Multi-Turn Spoken Dialogues
von: Ivry, Amir, et al.
Veröffentlicht: (2026)

HumDial-EIBench: A Human-Recorded Multi-Turn Emotional Intelligence Benchmark for Audio Language Models
von: Wang, Shuiyuan, et al.
Veröffentlicht: (2026)

UniCATS: A Unified Context-Aware Text-to-Speech Framework with Contextual VQ-Diffusion and Vocoding
von: Du, Chenpeng, et al.
Veröffentlicht: (2023)

Lla-VAP: LSTM Ensemble of Llama and VAP for Turn-Taking Prediction
von: Jeon, Hyunbae, et al.
Veröffentlicht: (2024)

Seeing the Context: Rich Visual Context-Aware Speech Recognition via Multimodal Reasoning
von: Tian, Wenjie, et al.
Veröffentlicht: (2026)

FastTurn: Unifying Acoustic and Streaming Semantic Cues for Low-Latency and Robust Turn Detection
von: Wang, Chengyou, et al.
Veröffentlicht: (2026)

ChronosAudio: A Comprehensive Long-Audio Benchmark for Evaluating Audio-Large Language Models
von: Luo, Kaiwen, et al.
Veröffentlicht: (2026)

Are you really listening? Boosting Perceptual Awareness in Music-QA Benchmarks
von: Zang, Yongyi, et al.
Veröffentlicht: (2025)

Long-Context Speech Synthesis with Context-Aware Memory
von: Li, Zhipeng, et al.
Veröffentlicht: (2025)

EmoSURA: Towards Accurate Evaluation of Detailed and Long-Context Emotional Speech Captions
von: Jing, Xin, et al.
Veröffentlicht: (2026)

VoxCPM: Tokenizer-Free TTS for Context-Aware Speech Generation and True-to-Life Voice Cloning
von: Zhou, Yixuan, et al.
Veröffentlicht: (2025)

Representing Sounds as Neural Amplitude Fields: A Benchmark of Coordinate-MLPs and A Fourier Kolmogorov-Arnold Framework
von: Li, Linfei, et al.
Veröffentlicht: (2026)

StreamVoice: Streamable Context-Aware Language Modeling for Real-time Zero-Shot Voice Conversion
von: Wang, Zhichao, et al.
Veröffentlicht: (2024)

BRACE: A Benchmark for Robust Audio Caption Quality Evaluation
von: Guo, Tianyu, et al.
Veröffentlicht: (2025)

SincQDR-VAD: A Noise-Robust Voice Activity Detection Framework Leveraging Learnable Filters and Ranking-Aware Optimization
von: Wang, Chien-Chun, et al.
Veröffentlicht: (2025)

Context-Aware Two-Step Training Scheme for Domain Invariant Speech Separation
von: Wang, Wupeng, et al.
Veröffentlicht: (2025)

PROFASR-BENCH: A Benchmark for Context-Conditioned ASR in High-Stakes Professional Speech
von: Piskala, Deepak Babu
Veröffentlicht: (2025)

HPSU: A Benchmark for Human-Level Perception in Real-World Spoken Speech Understanding
von: Li, Chen, et al.
Veröffentlicht: (2025)

TTA-Bench: A Comprehensive Benchmark for Evaluating Text-to-Audio Models
von: Wang, Hui, et al.
Veröffentlicht: (2025)

The First Environmental Sound Deepfake Detection Challenge: Benchmarking Robustness, Evaluation, and Insights
von: Yin, Han, et al.
Veröffentlicht: (2026)

AudioCodecBench: A Comprehensive Benchmark for Audio Codec Evaluation
von: Wang, Lu, et al.
Veröffentlicht: (2025)

ContextASR-Bench: A Massive Contextual Speech Recognition Benchmark
von: Wang, He, et al.
Veröffentlicht: (2025)

NV-Bench: Benchmark of Nonverbal Vocalization Synthesis for Expressive Text-to-Speech Generation
von: Ni, Qinke, et al.
Veröffentlicht: (2026)

Speaker Verification with Speech-Aware LLMs: Evaluation and Augmentation
von: Thebaud, Thomas, et al.
Veröffentlicht: (2026)

Beyond Monologue: Interactive Talking-Listening Avatar Generation with Conversational Audio Context-Aware Kernels
von: Weng, Yuzhe, et al.
Veröffentlicht: (2026)

TMD-Bench: A Multi-Level Evaluation Paradigm for Music-Dance Co-Generation
von: Yang, Xiaoda, et al.
Veröffentlicht: (2026)

ESDD2: Environment-Aware Speech and Sound Deepfake Detection Challenge Evaluation Plan
von: Zhang, Xueping, et al.
Veröffentlicht: (2026)

What Does it Take to Generalize SER Model Across Datasets? A Comprehensive Benchmark
von: Ibrahim, Adham, et al.
Veröffentlicht: (2024)