计算机科学 > 声音
[提交于 2024年12月31日
(此版本)
, 最新版本 2025年4月3日 (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,该任务中模型通过利用描述性的自然语言提示,在测试时对以前未见过的音频片段进行分类。 我们引入了TSPE(任务特定提示集成),一种简单、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来提升ALE的零样本性能。 而不是使用像“汽车的声音”这样的通用模板提示,我们生成上下文丰富的提示,例如“从隧道传来的汽车声音”。 具体而言,我们利用标签信息来识别合适的声学属性,如“响亮”和“微弱”,以及适当的声音来源,如“隧道”和“街道”,并将这些信息纳入音频语言模型(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上进行提示集成。 在12个不同的音频分类数据集上评估时,TSPE通过在原始零样本评估基础上显示出1.23-16.36%的绝对改进,从而提升了ALMs的性能。
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.