Enregistré dans:
| Auteurs principaux: | Sinhamahapatra, Supriti, Nguyen, Thai-Binh, Oğuz, Yiğit, Ugan, Enes, Niehues, Jan, Waibel, Alexander |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2604.15929 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Do Slides Help? Multi-modal Context for Automatic Transcription of Conference Talks
par: Sinhamahapatra, Supriti, et autres
Publié: (2025)
par: Sinhamahapatra, Supriti, et autres
Publié: (2025)
How do Multimodal Foundation Models Encode Text and Speech? An Analysis of Cross-Lingual and Cross-Modal Representations
par: Lee, Hyunji, et autres
Publié: (2024)
par: Lee, Hyunji, et autres
Publié: (2024)
Beyond Transcripts: A Renewed Perspective on Audio Chaptering
par: Retkowski, Fabian, et autres
Publié: (2026)
par: Retkowski, Fabian, et autres
Publié: (2026)
MSA-ASR: Efficient Multilingual Speaker Attribution with frozen ASR Models
par: Nguyen, Thai-Binh, et autres
Publié: (2024)
par: Nguyen, Thai-Binh, et autres
Publié: (2024)
Convoifilter: A case study of doing cocktail party speech recognition
par: Nguyen, Thai-Binh, et autres
Publié: (2023)
par: Nguyen, Thai-Binh, et autres
Publié: (2023)
Titanic Calling: Low Bandwidth Video Conference from the Titanic Wreck
par: Eyiokur, Fevziye Irem, et autres
Publié: (2024)
par: Eyiokur, Fevziye Irem, et autres
Publié: (2024)
KIT's Offline Speech Translation and Instruction Following Submission for IWSLT 2025
par: Koneru, Sai, et autres
Publié: (2025)
par: Koneru, Sai, et autres
Publié: (2025)
Weight Factorization and Centralization for Continual Learning in Speech Recognition
par: Ugan, Enes Yavuz, et autres
Publié: (2025)
par: Ugan, Enes Yavuz, et autres
Publié: (2025)
BOOM: Beyond Only One Modality KIT's Multimodal Multilingual Lecture Companion
par: Koneru, Sai, et autres
Publié: (2025)
par: Koneru, Sai, et autres
Publié: (2025)
Bayesian Low-Rank Factorization for Robust Model Adaptation
par: Ugan, Enes Yavuz, et autres
Publié: (2025)
par: Ugan, Enes Yavuz, et autres
Publié: (2025)
Adapting Language Balance in Code-Switching Speech
par: Ugan, Enes Yavuz, et autres
Publié: (2025)
par: Ugan, Enes Yavuz, et autres
Publié: (2025)
End-to-End Evaluation for Low-Latency Simultaneous Speech Translation
par: Huber, Christian, et autres
Publié: (2023)
par: Huber, Christian, et autres
Publié: (2023)
Blending LLMs into Cascaded Speech Translation: KIT's Offline Speech Translation System for IWSLT 2024
par: Koneru, Sai, et autres
Publié: (2024)
par: Koneru, Sai, et autres
Publié: (2024)
KIT's Low-resource Speech Translation Systems for IWSLT2025: System Enhancement with Synthetic Data and Model Regularization
par: Li, Zhaolin, et autres
Publié: (2025)
par: Li, Zhaolin, et autres
Publié: (2025)
Cocktail-Party Audio-Visual Speech Recognition
par: Nguyen, Thai-Binh, et autres
Publié: (2025)
par: Nguyen, Thai-Binh, et autres
Publié: (2025)
PIER: A Novel Metric for Evaluating What Matters in Code-Switching
par: Ugan, Enes Yavuz, et autres
Publié: (2025)
par: Ugan, Enes Yavuz, et autres
Publié: (2025)
A Cocktail-Party Benchmark: Multi-Modal dataset and Comparative Evaluation Results
par: Nguyen, Thai-Binh, et autres
Publié: (2025)
par: Nguyen, Thai-Binh, et autres
Publié: (2025)
Towards continually learning new languages
par: Pham, Ngoc-Quan, et autres
Publié: (2022)
par: Pham, Ngoc-Quan, et autres
Publié: (2022)
From Text Segmentation to Smart Chaptering: A Novel Benchmark for Structuring Video Transcriptions
par: Retkowski, Fabian, et autres
Publié: (2024)
par: Retkowski, Fabian, et autres
Publié: (2024)
Do What I Say: A Spoken Prompt Dataset for Instruction-Following
par: Züfle, Maike, et autres
Publié: (2026)
par: Züfle, Maike, et autres
Publié: (2026)
Summarizing Speech: A Comprehensive Survey
par: Retkowski, Fabian, et autres
Publié: (2025)
par: Retkowski, Fabian, et autres
Publié: (2025)
SARA: Stress Test Reasoning in Audio Deepfake Detection
par: Nguyen, Binh, et autres
Publié: (2026)
par: Nguyen, Binh, et autres
Publié: (2026)
Paragraph Segmentation Revisited: Towards a Standard Task for Structuring Speech
par: Retkowski, Fabian, et autres
Publié: (2025)
par: Retkowski, Fabian, et autres
Publié: (2025)
Zero-Shot Strategies for Length-Controllable Summarization
par: Retkowski, Fabian, et autres
Publié: (2024)
par: Retkowski, Fabian, et autres
Publié: (2024)
When Helpful Context Leaks: Privacy Risks in Domain-Adapted ASR
par: Züfle, Maike, et autres
Publié: (2026)
par: Züfle, Maike, et autres
Publié: (2026)
Conditions for Catastrophic Forgetting in Multilingual Translation
par: Liu, Danni, et autres
Publié: (2025)
par: Liu, Danni, et autres
Publié: (2025)
Lombard Speech Synthesis for Any Voice with Controllable Style Embeddings
par: Akti, Seymanur, et autres
Publié: (2026)
par: Akti, Seymanur, et autres
Publié: (2026)
Contrastive Learning for Task-Independent SpeechLLM-Pretraining
par: Züfle, Maike, et autres
Publié: (2024)
par: Züfle, Maike, et autres
Publié: (2024)
Context Biasing for Pronunciation-Orthography Mismatch in Automatic Speech Recognition
par: Huber, Christian, et autres
Publié: (2025)
par: Huber, Christian, et autres
Publié: (2025)
Continuously Learning New Words in Automatic Speech Recognition
par: Huber, Christian, et autres
Publié: (2024)
par: Huber, Christian, et autres
Publié: (2024)
The Silent Curriculum: How Does LLM Monoculture Shape Educational Content and Its Accessibility?
par: Priyanshu, Aman, et autres
Publié: (2024)
par: Priyanshu, Aman, et autres
Publié: (2024)
ViCocktail: Automated Multi-Modal Data Collection for Vietnamese Audio-Visual Speech Recognition
par: Nguyen, Thai-Binh, et autres
Publié: (2025)
par: Nguyen, Thai-Binh, et autres
Publié: (2025)
Multimodal In-context Learning for ASR of Low-resource Languages
par: Li, Zhaolin, et autres
Publié: (2026)
par: Li, Zhaolin, et autres
Publié: (2026)
Middle-Layer Representation Alignment for Cross-Lingual Transfer in Fine-Tuned LLMs
par: Liu, Danni, et autres
Publié: (2025)
par: Liu, Danni, et autres
Publié: (2025)
In-context Language Learning for Endangered Languages in Speech Recognition
par: Li, Zhaolin, et autres
Publié: (2025)
par: Li, Zhaolin, et autres
Publié: (2025)
How Transferable are Attribute Controllers on Pretrained Multilingual Translation Models?
par: Liu, Danni, et autres
Publié: (2023)
par: Liu, Danni, et autres
Publié: (2023)
FRACTURED-SORRY-Bench: Framework for Revealing Attacks in Conversational Turns Undermining Refusal Efficacy and Defenses over SORRY-Bench (Automated Multi-shot Jailbreaks)
par: Priyanshu, Aman, et autres
Publié: (2024)
par: Priyanshu, Aman, et autres
Publié: (2024)
What You Read Isn't What You Hear: Linguistic Sensitivity in Deepfake Speech Detection
par: Nguyen, Binh, et autres
Publié: (2025)
par: Nguyen, Binh, et autres
Publié: (2025)
Accent conversion using discrete units with parallel data synthesized from controllable accented TTS
par: Nguyen, Tuan Nam, et autres
Publié: (2024)
par: Nguyen, Tuan Nam, et autres
Publié: (2024)
MuTox: Universal MUltilingual Audio-based TOXicity Dataset and Zero-shot Detector
par: Costa-jussà, Marta R., et autres
Publié: (2024)
par: Costa-jussà, Marta R., et autres
Publié: (2024)
Documents similaires
-
Do Slides Help? Multi-modal Context for Automatic Transcription of Conference Talks
par: Sinhamahapatra, Supriti, et autres
Publié: (2025) -
How do Multimodal Foundation Models Encode Text and Speech? An Analysis of Cross-Lingual and Cross-Modal Representations
par: Lee, Hyunji, et autres
Publié: (2024) -
Beyond Transcripts: A Renewed Perspective on Audio Chaptering
par: Retkowski, Fabian, et autres
Publié: (2026) -
MSA-ASR: Efficient Multilingual Speaker Attribution with frozen ASR Models
par: Nguyen, Thai-Binh, et autres
Publié: (2024) -
Convoifilter: A case study of doing cocktail party speech recognition
par: Nguyen, Thai-Binh, et autres
Publié: (2023)