Buchumschlag

SALSA: Speech Aware LLM Adaptation via Learned Steering Activation Vectors

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yegorova, Yekaterina, Gerogiannis, Argyrios, Zheng, Haolong, Hockenmaier, Julia, Yoo, Chang D., Hasegawa-Johnson, Mark A.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TICL+: A Case Study On Speech In-Context Learning for Children's Speech Recognition
von: Zheng, Haolong, et al.
Veröffentlicht: (2025)

TICL: Text-Embedding KNN For Speech In-Context Learning Unlocks Speech Recognition Abilities of Large Multimodal Models
von: Zheng, Haolong, et al.
Veröffentlicht: (2025)

Towards Robust Dysarthric Speech Recognition: LLM-Agent Post-ASR Correction Beyond WER
von: Zheng, Xiuwen, et al.
Veröffentlicht: (2026)

SiamCTC: Learning Speech Representations through Monotonic Temporal Alignment
von: Eom, SooHwan, et al.
Veröffentlicht: (2026)

Activation Steering for Accent Adaptation in Speech Foundation Models
von: Sun, Jinuo, et al.
Veröffentlicht: (2026)

LI-TTA: Language Informed Test-Time Adaptation for Automatic Speech Recognition
von: Yoon, Eunseop, et al.
Veröffentlicht: (2024)

Fine-Tuning Automatic Speech Recognition for People with Parkinson's: An Effective Strategy for Enhancing Speech Technology Accessibility
von: Zheng, Xiuwen, et al.
Veröffentlicht: (2024)

AdaMER-CTC: Connectionist Temporal Classification with Adaptive Maximum Entropy Regularization for Automatic Speech Recognition
von: Eom, SooHwan, et al.
Veröffentlicht: (2024)

Something from Nothing: Data Augmentation for Robust Severity Level Estimation of Dysarthric Speech
von: Bae, Jaesung, et al.
Veröffentlicht: (2026)

Activation Steering for Accent-Neutralized Zero-Shot Text-To-Speech
von: Yang, Mu, et al.
Veröffentlicht: (2026)

Analysis of Self-Supervised Speech Models on Children's Speech and Infant Vocalizations
von: Li, Jialu, et al.
Veröffentlicht: (2024)

S2ST-Omni: Hierarchical Language-Aware SpeechLLM Adaptation for Multilingual Speech-to-Speech Translation
von: Pan, Yu, et al.
Veröffentlicht: (2025)

Towards Unsupervised Speech Recognition Without Pronunciation Models
von: Ni, Junrui, et al.
Veröffentlicht: (2024)

In-Sync: Adaptation of Speech Aware Large Language Models for ASR with Word Level Timestamp Predictions
von: Fan, Xulin, et al.
Veröffentlicht: (2026)

SALSA: Speedy ASR-LLM Synchronous Aggregation
von: Mittal, Ashish, et al.
Veröffentlicht: (2024)

EmoSteer-TTS: Fine-Grained and Training-Free Emotion-Controllable Text-to-Speech via Activation Steering
von: Xie, Tianxin, et al.
Veröffentlicht: (2025)

Towards Cross-Task Suicide Risk Detection via Speech LLM
von: Li, Jialun, et al.
Veröffentlicht: (2025)

Just ASR + LLM? A Study on Speech Large Language Models' Ability to Identify and Understand Speaker in Spoken Dialogue
von: Wu, Junkai, et al.
Veröffentlicht: (2024)

Enhancing Child Vocalization Classification with Phonetically-Tuned Embeddings for Assisting Autism Diagnosis
von: Li, Jialu, et al.
Veröffentlicht: (2023)

End-to-End Zero-Shot Voice Conversion with Location-Variable Convolutions
von: Kang, Wonjune, et al.
Veröffentlicht: (2022)

Emotion-Aware Contrastive Adaptation Network for Source-Free Cross-Corpus Speech Emotion Recognition
von: Zhao, Yan, et al.
Veröffentlicht: (2024)

Test-Time Adaptation for Speech Enhancement via Domain Invariant Embedding Transformation
von: Raichle, Tobias, et al.
Veröffentlicht: (2025)

EmoSSLSphere: Multilingual Emotional Speech Synthesis with Spherical Vectors and Discrete Speech Tokens
von: Park, Joonyong, et al.
Veröffentlicht: (2025)

EmoShift: Lightweight Activation Steering for Enhanced Emotion-Aware Speech Synthesis
von: Zhou, Li, et al.
Veröffentlicht: (2026)

ProsodyLM: Uncovering the Emerging Prosody Processing Capabilities in Speech Language Models
von: Qian, Kaizhi, et al.
Veröffentlicht: (2025)

Enhancing Fully Formatted End-to-End Speech Recognition with Knowledge Distillation via Multi-Codebook Vector Quantization
von: You, Jian, et al.
Veröffentlicht: (2025)

Incremental Disentanglement for Environment-Aware Zero-Shot Text-to-Speech Synthesis
von: Lu, Ye-Xin, et al.
Veröffentlicht: (2024)

Speaker Attributed Automatic Speech Recognition Using Speech Aware LLMS
von: Aronowitz, Hagai, et al.
Veröffentlicht: (2026)

Test-Time Adaptation For Speech Enhancement Via Mask Polarization
von: Raichle, Tobias, et al.
Veröffentlicht: (2026)

Diarization-Aware Multi-Speaker Automatic Speech Recognition via Large Language Models
von: Lin, Yuke, et al.
Veröffentlicht: (2025)

DuRep: Dual-Mode Speech Representation Learning via ASR-Aware Distillation
von: Male, Prabash Reddy, et al.
Veröffentlicht: (2025)

Genre Controlled Music Generation via Activation Steering
von: Narashiman, Swathi, et al.
Veröffentlicht: (2025)

MOPSA: Mixture of Prompt-Experts Based Speaker Adaptation for Elderly Speech Recognition
von: Deng, Chengxi, et al.
Veröffentlicht: (2025)

Rare Word Recognition and Translation Without Fine-Tuning via Task Vector in Speech Models
von: Jing, Ruihao, et al.
Veröffentlicht: (2025)

SaD: A Scenario-Aware Discriminator for Speech Enhancement
von: Yuan, Xihao, et al.
Veröffentlicht: (2025)

Balancing Speech Understanding and Generation Using Continual Pre-training for Codec-based Speech LLM
von: Shi, Jiatong, et al.
Veröffentlicht: (2025)

Regularized Entropy Information Adaptation with Temporal-Awareness Networks for Simultaneous Speech Translation
von: Liu, Joseph, et al.
Veröffentlicht: (2026)

Improving Automatic Speech Recognition for Speakers Treated for Oral Cancer using Data Augmentation and LLM Error Correction
von: Folkertsma, Hidde, et al.
Veröffentlicht: (2026)

Continual Test-time Adaptation for End-to-end Speech Recognition on Noisy Speech
von: Lin, Guan-Ting, et al.
Veröffentlicht: (2024)

EmoQ: Speech Emotion Recognition via Speech-Aware Q-Former and Large Language Model
von: Yang, Yiqing, et al.
Veröffentlicht: (2025)