Hierarchical speaker representation for target speaker extraction
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | He, Shulin, Zhang, Huaiwen, Rao, Wei, Zhang, Kanghao, Ju, Yukai, Yang, Yang, Zhang, Xueliang |
|---|---|
| Format: | Preprint |
| Publié: |
2022
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Improving curriculum learning for target speaker extraction with synthetic speakers
par: Liu, Yun, et autres
Publié: (2024)
par: Liu, Yun, et autres
Publié: (2024)
Text adaptation for speaker verification with speaker-text factorized embeddings
par: Yang, Yexin, et autres
Publié: (2025)
par: Yang, Yexin, et autres
Publié: (2025)
An audio-quality-based multi-strategy approach for target speaker extraction in the MISP 2023 Challenge
par: Han, Runduo, et autres
Publié: (2024)
par: Han, Runduo, et autres
Publié: (2024)
X-CrossNet: A complex spectral mapping approach to target speaker extraction with cross attention speaker embedding fusion
par: Sun, Chang, et autres
Publié: (2024)
par: Sun, Chang, et autres
Publié: (2024)
Extending Whisper with prompt tuning to target-speaker ASR
par: Ma, Hao, et autres
Publié: (2023)
par: Ma, Hao, et autres
Publié: (2023)
On the influence of language similarity in non-target speaker verification trials
par: Reuter, Paul M., et autres
Publié: (2025)
par: Reuter, Paul M., et autres
Publié: (2025)
Thinking in cocktail party: Chain-of-Thought and reinforcement learning for target speaker automatic speech recognition
par: Zhang, Yiru, et autres
Publié: (2025)
par: Zhang, Yiru, et autres
Publié: (2025)
SICRN: Advancing Speech Enhancement through State Space Model and Inplace Convolution Techniques
par: Zhao, Changjiang, et autres
Publié: (2024)
par: Zhao, Changjiang, et autres
Publié: (2024)
Robust Target Speaker Direction of Arrival Estimation
par: Li, Zixuan, et autres
Publié: (2024)
par: Li, Zixuan, et autres
Publié: (2024)
Room Impulse Response as a Prompt for Acoustic Echo Cancellation
par: Zhao, Fei, et autres
Publié: (2025)
par: Zhao, Fei, et autres
Publié: (2025)
Spectral or spatial? Leveraging both for speaker extraction in challenging data conditions
par: Eisenberg, Aviad, et autres
Publié: (2025)
par: Eisenberg, Aviad, et autres
Publié: (2025)
Exploring synthetic data for cross-speaker style transfer in style representation based TTS
par: Ueda, Lucas H., et autres
Publié: (2024)
par: Ueda, Lucas H., et autres
Publié: (2024)
How phonemes contribute to deep speaker models?
par: Li, Pengqi, et autres
Publié: (2024)
par: Li, Pengqi, et autres
Publié: (2024)
3S-TSE: Efficient Three-Stage Target Speaker Extraction for Real-Time and Low-Resource Applications
par: He, Shulin, et autres
Publié: (2023)
par: He, Shulin, et autres
Publié: (2023)
Improving fairness in speaker verification via Group-adapted Fusion Network
par: Shen, Hua, et autres
Publié: (2022)
par: Shen, Hua, et autres
Publié: (2022)
The importance of spatial and spectral information in multiple speaker tracking
par: Beit-On, Hanan, et autres
Publié: (2024)
par: Beit-On, Hanan, et autres
Publié: (2024)
Audio-visual child-adult speaker classification in dyadic interactions
par: Xu, Anfeng, et autres
Publié: (2023)
par: Xu, Anfeng, et autres
Publié: (2023)
Spoken language change detection inspired by speaker change detection
par: Mishra, Jagabandhu, et autres
Publié: (2023)
par: Mishra, Jagabandhu, et autres
Publié: (2023)
SPGISpeech 2.0: Transcribed multi-speaker financial audio for speaker-tagged transcription
par: Grossman, Raymond, et autres
Publié: (2025)
par: Grossman, Raymond, et autres
Publié: (2025)
End-to-end multi-channel speaker extraction and binaural speech synthesis
par: Chi, Cheng, et autres
Publié: (2024)
par: Chi, Cheng, et autres
Publié: (2024)
Improving speaker verification robustness with synthetic emotional utterances
par: Koditala, Nikhil Kumar, et autres
Publié: (2024)
par: Koditala, Nikhil Kumar, et autres
Publié: (2024)
Gradient weighting for speaker verification in extremely low Signal-to-Noise Ratio
par: Ma, Yi, et autres
Publié: (2024)
par: Ma, Yi, et autres
Publié: (2024)
Why disentanglement-based speaker anonymization systems fail at preserving emotions?
par: Gaznepoglu, Ünal Ege, et autres
Publié: (2025)
par: Gaznepoglu, Ünal Ege, et autres
Publié: (2025)
Speaker-agnostic Emotion Vector for Cross-speaker Emotion Intensity Control
par: Murata, Masato, et autres
Publié: (2025)
par: Murata, Masato, et autres
Publié: (2025)
HeightCeleb - an enrichment of VoxCeleb dataset with speaker height information
par: Kacprzak, Stanisław, et autres
Publié: (2024)
par: Kacprzak, Stanisław, et autres
Publié: (2024)
A framework of text-dependent speaker verification for chinese numerical string corpus
par: Zheng, Litong, et autres
Publié: (2024)
par: Zheng, Litong, et autres
Publié: (2024)
EEND-M2F: Masked-attention mask transformers for speaker diarization
par: Härkönen, Marc, et autres
Publié: (2024)
par: Härkönen, Marc, et autres
Publié: (2024)
On the calibration of powerset speaker diarization models
par: Plaquet, Alexis, et autres
Publié: (2024)
par: Plaquet, Alexis, et autres
Publié: (2024)
A Benchmark for Multi-speaker Anonymization
par: Miao, Xiaoxiao, et autres
Publié: (2024)
par: Miao, Xiaoxiao, et autres
Publié: (2024)
An Exploration of ECAPA-TDNN and x-vector Speaker Representations in Zero-shot Multi-speaker TTS
par: Kunešová, Marie, et autres
Publié: (2025)
par: Kunešová, Marie, et autres
Publié: (2025)
Spatio-spectral diarization of meetings by combining TDOA-based segmentation and speaker embedding-based clustering
par: Cord-Landwehr, Tobias, et autres
Publié: (2025)
par: Cord-Landwehr, Tobias, et autres
Publié: (2025)
Visual-based spatial audio generation system for multi-speaker environments
par: Liu, Xiaojing, et autres
Publié: (2025)
par: Liu, Xiaojing, et autres
Publié: (2025)
Using Ear-EEG to Decode Auditory Attention in Multiple-speaker Environment
par: Zhu, Haolin, et autres
Publié: (2024)
par: Zhu, Haolin, et autres
Publié: (2024)
An approach to optimize inference of the DIART speaker diarization pipeline
par: Aperdannier, Roman, et autres
Publié: (2024)
par: Aperdannier, Roman, et autres
Publié: (2024)
Listen to Extract: Onset-Prompted Target Speaker Extraction
par: Shen, Pengjie, et autres
Publié: (2025)
par: Shen, Pengjie, et autres
Publié: (2025)
SelfTTS: cross-speaker style transfer through explicit embedding disentanglement and self-refinement using self-augmentation
par: Ueda, Lucas H., et autres
Publié: (2026)
par: Ueda, Lucas H., et autres
Publié: (2026)
Multi-speaker Text-to-speech Training with Speaker Anonymized Data
par: Huang, Wen-Chin, et autres
Publié: (2024)
par: Huang, Wen-Chin, et autres
Publié: (2024)
Clustering-based hard negative sampling for supervised contrastive speaker verification
par: Masztalski, Piotr, et autres
Publié: (2025)
par: Masztalski, Piotr, et autres
Publié: (2025)
SepMamba: State-space models for speaker separation using Mamba
par: Avenstrup, Thor Højhus, et autres
Publié: (2024)
par: Avenstrup, Thor Højhus, et autres
Publié: (2024)
Online speaker diarization of meetings guided by speech separation
par: Gruttadauria, Elio, et autres
Publié: (2024)
par: Gruttadauria, Elio, et autres
Publié: (2024)
Documents similaires
-
Improving curriculum learning for target speaker extraction with synthetic speakers
par: Liu, Yun, et autres
Publié: (2024) -
Text adaptation for speaker verification with speaker-text factorized embeddings
par: Yang, Yexin, et autres
Publié: (2025) -
An audio-quality-based multi-strategy approach for target speaker extraction in the MISP 2023 Challenge
par: Han, Runduo, et autres
Publié: (2024) -
X-CrossNet: A complex spectral mapping approach to target speaker extraction with cross attention speaker embedding fusion
par: Sun, Chang, et autres
Publié: (2024) -
Extending Whisper with prompt tuning to target-speaker ASR
par: Ma, Hao, et autres
Publié: (2023)