Enregistré dans:
| Auteurs principaux: | Shen, Huan, Wang, Yingao, Huang, Shangkun, Zou, Wei, Chen, Yunzhang |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2603.25434 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
CLAR: CIF-Localized Alignment for Retrieval-Augmented Speech LLM-Based Contextual ASR
par: Huang, Shangkun, et autres
Publié: (2026)
par: Huang, Shangkun, et autres
Publié: (2026)
LLaDA-TTS: Unifying Speech Synthesis and Zero-Shot Editing via Masked Diffusion Modeling
par: Fan, Xiaoyu, et autres
Publié: (2026)
par: Fan, Xiaoyu, et autres
Publié: (2026)
Talking Turns: Benchmarking Audio Foundation Models on Turn-Taking Dynamics
par: Arora, Siddhant, et autres
Publié: (2025)
par: Arora, Siddhant, et autres
Publié: (2025)
Prompt-Guided Turn-Taking Prediction
par: Inoue, Koji, et autres
Publié: (2025)
par: Inoue, Koji, et autres
Publié: (2025)
Leveraging LLM for Stuttering Speech: A Unified Architecture Bridging Recognition and Event Detection
par: Huang, Shangkun, et autres
Publié: (2025)
par: Huang, Shangkun, et autres
Publié: (2025)
DualTurn: Learning Turn-Taking from Dual-Channel Generative Speech Pretraining
par: Rajaa, Shangeth
Publié: (2026)
par: Rajaa, Shangeth
Publié: (2026)
Synchronization and Turn-Taking in Full-Duplex Speech Dialogue Models
par: Riera, Pablo, et autres
Publié: (2026)
par: Riera, Pablo, et autres
Publié: (2026)
From Turn-Taking to Synchronous Dialogue: A Survey of Full-Duplex Spoken Language Models
par: Chen, Yuxuan, et autres
Publié: (2025)
par: Chen, Yuxuan, et autres
Publié: (2025)
Overlap-Adaptive Hybrid Speaker Diarization and ASR-Aware Observation Addition for MISP 2025 Challenge
par: Huang, Shangkun, et autres
Publié: (2025)
par: Huang, Shangkun, et autres
Publié: (2025)
A Noise-Robust Turn-Taking System for Real-World Dialogue Robots: A Field Experiment
par: Inoue, Koji, et autres
Publié: (2025)
par: Inoue, Koji, et autres
Publié: (2025)
Lla-VAP: LSTM Ensemble of Llama and VAP for Turn-Taking Prediction
par: Jeon, Hyunbae, et autres
Publié: (2024)
par: Jeon, Hyunbae, et autres
Publié: (2024)
Noise-Aware In-Context Learning for Hallucination Mitigation in ALLMs
par: Huang, Qixuan, et autres
Publié: (2026)
par: Huang, Qixuan, et autres
Publié: (2026)
VoiceGiraffe: A Benchmark for Extreme Long-Context Audio-Language Understanding
par: Ye, Jashin, et autres
Publié: (2026)
par: Ye, Jashin, et autres
Publié: (2026)
LALM-as-a-Judge: Benchmarking Large Audio-Language Models for Safety Evaluation in Multi-Turn Spoken Dialogues
par: Ivry, Amir, et autres
Publié: (2026)
par: Ivry, Amir, et autres
Publié: (2026)
UniCATS: A Unified Context-Aware Text-to-Speech Framework with Contextual VQ-Diffusion and Vocoding
par: Du, Chenpeng, et autres
Publié: (2023)
par: Du, Chenpeng, et autres
Publié: (2023)
HumDial-EIBench: A Human-Recorded Multi-Turn Emotional Intelligence Benchmark for Audio Language Models
par: Wang, Shuiyuan, et autres
Publié: (2026)
par: Wang, Shuiyuan, et autres
Publié: (2026)
Seeing the Context: Rich Visual Context-Aware Speech Recognition via Multimodal Reasoning
par: Tian, Wenjie, et autres
Publié: (2026)
par: Tian, Wenjie, et autres
Publié: (2026)
FastTurn: Unifying Acoustic and Streaming Semantic Cues for Low-Latency and Robust Turn Detection
par: Wang, Chengyou, et autres
Publié: (2026)
par: Wang, Chengyou, et autres
Publié: (2026)
Long-Context Speech Synthesis with Context-Aware Memory
par: Li, Zhipeng, et autres
Publié: (2025)
par: Li, Zhipeng, et autres
Publié: (2025)
StreamVoice: Streamable Context-Aware Language Modeling for Real-time Zero-Shot Voice Conversion
par: Wang, Zhichao, et autres
Publié: (2024)
par: Wang, Zhichao, et autres
Publié: (2024)
ChronosAudio: A Comprehensive Long-Audio Benchmark for Evaluating Audio-Large Language Models
par: Luo, Kaiwen, et autres
Publié: (2026)
par: Luo, Kaiwen, et autres
Publié: (2026)
Representing Sounds as Neural Amplitude Fields: A Benchmark of Coordinate-MLPs and A Fourier Kolmogorov-Arnold Framework
par: Li, Linfei, et autres
Publié: (2026)
par: Li, Linfei, et autres
Publié: (2026)
EmoSURA: Towards Accurate Evaluation of Detailed and Long-Context Emotional Speech Captions
par: Jing, Xin, et autres
Publié: (2026)
par: Jing, Xin, et autres
Publié: (2026)
Are you really listening? Boosting Perceptual Awareness in Music-QA Benchmarks
par: Zang, Yongyi, et autres
Publié: (2025)
par: Zang, Yongyi, et autres
Publié: (2025)
VoxCPM: Tokenizer-Free TTS for Context-Aware Speech Generation and True-to-Life Voice Cloning
par: Zhou, Yixuan, et autres
Publié: (2025)
par: Zhou, Yixuan, et autres
Publié: (2025)
BRACE: A Benchmark for Robust Audio Caption Quality Evaluation
par: Guo, Tianyu, et autres
Publié: (2025)
par: Guo, Tianyu, et autres
Publié: (2025)
NV-Bench: Benchmark of Nonverbal Vocalization Synthesis for Expressive Text-to-Speech Generation
par: Ni, Qinke, et autres
Publié: (2026)
par: Ni, Qinke, et autres
Publié: (2026)
ContextASR-Bench: A Massive Contextual Speech Recognition Benchmark
par: Wang, He, et autres
Publié: (2025)
par: Wang, He, et autres
Publié: (2025)
AudioCodecBench: A Comprehensive Benchmark for Audio Codec Evaluation
par: Wang, Lu, et autres
Publié: (2025)
par: Wang, Lu, et autres
Publié: (2025)
Context-Aware Two-Step Training Scheme for Domain Invariant Speech Separation
par: Wang, Wupeng, et autres
Publié: (2025)
par: Wang, Wupeng, et autres
Publié: (2025)
What Does it Take to Generalize SER Model Across Datasets? A Comprehensive Benchmark
par: Ibrahim, Adham, et autres
Publié: (2024)
par: Ibrahim, Adham, et autres
Publié: (2024)
TTA-Bench: A Comprehensive Benchmark for Evaluating Text-to-Audio Models
par: Wang, Hui, et autres
Publié: (2025)
par: Wang, Hui, et autres
Publié: (2025)
PROFASR-BENCH: A Benchmark for Context-Conditioned ASR in High-Stakes Professional Speech
par: Piskala, Deepak Babu
Publié: (2025)
par: Piskala, Deepak Babu
Publié: (2025)
SincQDR-VAD: A Noise-Robust Voice Activity Detection Framework Leveraging Learnable Filters and Ranking-Aware Optimization
par: Wang, Chien-Chun, et autres
Publié: (2025)
par: Wang, Chien-Chun, et autres
Publié: (2025)
Speaker Verification with Speech-Aware LLMs: Evaluation and Augmentation
par: Thebaud, Thomas, et autres
Publié: (2026)
par: Thebaud, Thomas, et autres
Publié: (2026)
Beyond Monologue: Interactive Talking-Listening Avatar Generation with Conversational Audio Context-Aware Kernels
par: Weng, Yuzhe, et autres
Publié: (2026)
par: Weng, Yuzhe, et autres
Publié: (2026)
TMD-Bench: A Multi-Level Evaluation Paradigm for Music-Dance Co-Generation
par: Yang, Xiaoda, et autres
Publié: (2026)
par: Yang, Xiaoda, et autres
Publié: (2026)
HPSU: A Benchmark for Human-Level Perception in Real-World Spoken Speech Understanding
par: Li, Chen, et autres
Publié: (2025)
par: Li, Chen, et autres
Publié: (2025)
Audio MultiChallenge: A Multi-Turn Evaluation of Spoken Dialogue Systems on Natural Human Interaction
par: Gosai, Advait, et autres
Publié: (2025)
par: Gosai, Advait, et autres
Publié: (2025)
The First Environmental Sound Deepfake Detection Challenge: Benchmarking Robustness, Evaluation, and Insights
par: Yin, Han, et autres
Publié: (2026)
par: Yin, Han, et autres
Publié: (2026)
Documents similaires
-
CLAR: CIF-Localized Alignment for Retrieval-Augmented Speech LLM-Based Contextual ASR
par: Huang, Shangkun, et autres
Publié: (2026) -
LLaDA-TTS: Unifying Speech Synthesis and Zero-Shot Editing via Masked Diffusion Modeling
par: Fan, Xiaoyu, et autres
Publié: (2026) -
Talking Turns: Benchmarking Audio Foundation Models on Turn-Taking Dynamics
par: Arora, Siddhant, et autres
Publié: (2025) -
Prompt-Guided Turn-Taking Prediction
par: Inoue, Koji, et autres
Publié: (2025) -
Leveraging LLM for Stuttering Speech: A Unified Architecture Bridging Recognition and Event Detection
par: Huang, Shangkun, et autres
Publié: (2025)