speech classification | BriefGPT

关键词speech classification

搜索结果 - 9

PolySpeech: 探索统一的多任务语音模型以与单任务模型竞争
该研究提出了一种多任务语音模型 (PolySpeech)，支持语音识别、语音合成和两个语音分类任务。PolySpeech 通过引入多模态语言模型作为核心结构，并使用语义表示作为语音输入，实现了多模态优化。实验结果表明，多任务优化在特定任务上
PDF22 days ago
音频文本分类的级联交叉模态 Transformer
利用多模态表示，通过自动语音识别模型转录语音并通过预训练翻译模型将转录文本翻译成不同语言，结合文本和音频特征使用级联交叉模态变压器 (CCMT) 模型来实现语音分类任务，该模型在 ACM Multimedia 2023 计算语音学挑战中获得
PDF6 months ago
语音语言模型中上下文学习的探索
在自然语言处理领域中，GPT-3 的开发以来，上下文学习（ICL）在利用大型语言模型（LLM）方面发挥了重要作用。尽管 ICL 在 NLP 领域取得了成功，但鲜有工作探索了 ICL 在语音处理中的可能性。本研究提出了第一个探索 ICL 与语
PDF8 months ago
基于提示调整的语音分类任务 SpeechPrompt v2
本文提出了 “SpeechPrompt V2” 语音分类的编程框架，该框架在统一的下游任务生成和多个语言的情境下具有高效性并取得了优秀的性能。
PDFa year ago
拓扑数据分析在语音处理中的应用
本论文介绍了一种利用拓扑数据分析法（TDA）分析语音的新方法，通过引入一系列从 Transformer 注意力映射和嵌入中得出的拓扑和代数特征，展示了建立在这些特征之上的简单线性分类器优于微调分类头的表现，并展示了拓扑特征能够揭示语音 Tr
PDF2 years ago
听觉遮盖自编码器
本文研究了基于图像的 Masked Autoencoder（MAE）的简单扩展，用于从音频频谱图进行自监督表示学习，并提出了 Audio-MAE 模型，该模型利用 Transformer 编码器 - 解码器设计，使用高掩蔽率编码音频频谱图，
PDF2 years ago
MAE-AST: 带有遮蔽编码音频频谱变换器
本文提出了一种针对自我监督语音及音频分类中 Self-Supervised Audio Spectrogram Transformer (SSAST) 模型的简单、且功能强大的改进方法。具体而言，我们将来自原模型中使用的高掩模比率（75%）
PDF2 years ago
人类语音是否遵循本福德定律？
该研究观察到许多人造和自然数据集的前导数字频率遵循对数曲线，证明了人类语音频谱平均也遵循 Benford 定律，并使用这个观察结果来创建一组新的 speech 特征，以实现人类语音和合成语音的分类。
PDF2 years ago
自然语言对话中的阿尔茨海默病痴呆识别： ADReSS 挑战
本文介绍了 ADReSS Challenge，它提供了一个用于比较自动识别老年痴呆症的语音的不同方法的共享任务。该挑战提供了基准的语音数据集，并定义了两个认知评估任务，即老年痴呆症语音分类任务和神经心理评分回归任务。ADReSS 旨在为语音
PDF4 years ago