电气工程与系统科学 > 音频与语音处理
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.