实体
Speech Commands V2
Speech Commands V2
PulseAugur coverage of Speech Commands V2 — every cluster mentioning Speech Commands V2 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新方法以最小的精度损失加速音频频谱图 Transformer 训练
研究人员开发了一种名为 SpecAugment-Patch Merging 的新方法，以提高音频频谱图 Transformer (AST) 训练的效率。该技术涉及在块级别掩码频谱图，然后合并这些掩码块的对。在 AudioSet、ESC-50 和 Speech Commands V2 等数据集上的实验表明，这种合并方法在精度仅略有下降的情况下，将训练吞吐量显著提高了 13.9%，展示了更高效的音频分析模型训练过程。
-
AudioPG 使用合成数据进行高效音频模型预训练
研究人员开发了 AudioPG，一个使用程序化生成的合成数据而非真实录音进行音频模型预训练的新颖框架。这种方法显著降低了训练成本、策展工作量和隐私担忧。使用 AudioPG 训练的基于 Transformer 的模型在各种真实音频基准测试中表现强劲，达到了高准确率，并在单个 GPU 上在 20 分钟内完成了预训练。对模型潜在空间的分析表明，物理声学因素出现在不同的子空间中，从而产生了可解释的表征。