计算机科学 > 声音
[提交于 2024年12月31日
(v1)
,最后修订 2025年4月3日 (此版本, v2)]
标题: TSPE:用于改进零样本音频分类的任务特定提示集成
标题: TSPE: Task-Specific Prompt Ensemble for Improved Zero-Shot Audio Classification
摘要: 音频语言模型(ALMs)在零样本音频分类任务中表现出色,该任务要求模型在测试时通过利用描述性的自然语言提示来对之前未见过的音频片段进行分类。 我们介绍了TSPE(特定任务提示集成),这是一种简单且无需训练的硬提示方法,通过为不同的音频分类任务定制提示,提升了ALMs的零样本性能。 与使用通用模板提示(如“汽车的声音”)不同,我们生成了上下文丰富的提示,例如“从隧道传来的汽车声音”。 具体来说,我们利用标签信息识别合适的声学属性(如“响亮”和“微弱”)以及适当的声源(如“隧道”和“街道”),并将这些信息融入到音频语言模型(ALMs)用于音频分类的提示中。 此外,为了增强音频文本对齐,我们在TSPE生成的任务特定提示之间进行提示集成。 当在12个不同的音频分类数据集上进行评估时,TSPE在ALMs上显示出1.23%-16.36%的绝对改进,超过了原始的零样本评估。
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.