Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2507.12595

帮助 | 高级搜索

电气工程与系统科学 > 音频与语音处理

arXiv:2507.12595 (eess)
[提交于 2025年7月16日 ]

标题: 通过合作多语言语音基础模型增强域内和域外 EmoFake 检测

标题: Enhancing In-Domain and Out-Domain EmoFake Detection via Cooperative Multilingual Speech Foundation Models

Authors:Orchid Chetia Phukan, Mohd Mujtaba Akhtar, Girish, Arun Balaji Buduru
摘要: 在本工作中,我们解决了EmoFake检测(EFD)问题。 我们假设由于多语言语音基础模型(SFMs)在多种语言上的预训练,使其能够细致理解音高、语调和强度的变化,因此在EFD方面将特别有效。 为了验证这一点,我们对最先进的(SOTA)SFMs进行了全面的比较分析。 我们的结果表明,多语言SFMs在同语言(领域内)以及跨语言(领域外)评估中都表现出优越性。 为了达到这个目的,我们还提出了THAMA,用于基础模型(FMs)的融合,这是受到相关研究的启发,其中结合FMs已显示出性能提升。 THAMA利用了Tucker分解和Hadamard乘积的互补结合,以实现有效的融合。 通过THAMA,与协作的多语言SFMs相结合,在领域内和领域外设置中实现了最优异的性能,超过了单独的FMs、基线融合技术以及先前的SOTA方法。
摘要: In this work, we address EmoFake Detection (EFD). We hypothesize that multilingual speech foundation models (SFMs) will be particularly effective for EFD due to their pre-training across diverse languages, enabling a nuanced understanding of variations in pitch, tone, and intensity. To validate this, we conduct a comprehensive comparative analysis of state-of-the-art (SOTA) SFMs. Our results shows the superiority of multilingual SFMs for same language (in-domain) as well as cross-lingual (out-domain) evaluation. To our end, we also propose, THAMA for fusion of foundation models (FMs) motivated by related research where combining FMs have shown improved performance. THAMA leverages the complementary conjunction of tucker decomposition and hadamard product for effective fusion. With THAMA, synergized with cooperative multilingual SFMs achieves topmost performance across in-domain and out-domain settings, outperforming individual FMs, baseline fusion techniques, and prior SOTA methods.
主题: 音频与语音处理 (eess.AS)
引用方式: arXiv:2507.12595 [eess.AS]
  (或者 arXiv:2507.12595v1 [eess.AS] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.12595
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Mohd Akhtar Mujtaba [查看电子邮件]
[v1] 星期三, 2025 年 7 月 16 日 19:30:51 UTC (23,049 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号