Buchumschlag

Enhancing dysarthria speech feature representation with empirical mode decomposition and Walsh-Hadamard transform

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Ting, Duan, Shufei, Dingam, Camille, Liang, Huizhi, Zhang, Wei
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Audio and Speech Processing Artificial Intelligence Signal Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Construction and Evaluation of Mandarin Multimodal Emotional Speech Database
von: Ting, Zhu, et al.
Veröffentlicht: (2024)

Spectrogram features for audio and speech analysis
von: McLoughlin, Ian, et al.
Veröffentlicht: (2026)

Self-supervised speech representation and contextual text embedding for match-mismatch classification with EEG recording
von: Wang, Bo, et al.
Veröffentlicht: (2024)

Variational decomposition autoencoding improves disentanglement of latent representations
von: Ziogas, Ioannis, et al.
Veröffentlicht: (2026)

Evaluating pretrained speech embedding systems for dysarthria detection across heterogenous datasets
von: Wihlborg, Lovisa, et al.
Veröffentlicht: (2025)

BELT-2: Bootstrapping EEG-to-Language representation alignment for multi-task brain decoding
von: Zhou, Jinzhao, et al.
Veröffentlicht: (2024)

Wearable intelligent throat enables natural speech in stroke patients with dysarthria
von: Tang, Chenyu, et al.
Veröffentlicht: (2024)

From the perspective of perceptual speech quality: The robustness of frequency bands to noise
von: Fan, Junyi, et al.
Veröffentlicht: (2025)

Predicting Heart Activity from Speech using Data-driven and Knowledge-based features
von: Elbanna, Gasser, et al.
Veröffentlicht: (2024)

Independent Feature Enhanced Crossmodal Fusion for Match-Mismatch Classification of Speech Stimulus and EEG Response
von: Fan, Shitong, et al.
Veröffentlicht: (2024)

Graph-Enhanced Dual-Stream Feature Fusion with Pre-Trained Model for Acoustic Traffic Monitoring
von: Fan, Shitong, et al.
Veröffentlicht: (2024)

Tone recognition in low-resource languages of North-East India: peeling the layers of SSL-based speech models
von: Gogoi, Parismita, et al.
Veröffentlicht: (2025)

Privacy-Preserving End-to-End Full-Duplex Speech Dialogue Models
von: Kuzmin, Nikita, et al.
Veröffentlicht: (2026)

An Investigation of Noise Robustness for Flow-Matching-Based Zero-Shot TTS
von: Wang, Xiaofei, et al.
Veröffentlicht: (2024)

MusicHiFi: Fast High-Fidelity Stereo Vocoding
von: Zhu, Ge, et al.
Veröffentlicht: (2024)

S$^2$Voice: Style-Aware Autoregressive Modeling with Enhanced Conditioning for Singing Style Conversion
von: Wang, Ziqian, et al.
Veröffentlicht: (2026)

Transferable Adversarial Attacks against ASR
von: Gao, Xiaoxue, et al.
Veröffentlicht: (2024)

Crowdsourced Multilingual Speech Intelligibility Testing
von: Lechler, Laura, et al.
Veröffentlicht: (2024)

Mitigating Intra-Speaker Variability in Diarization with Style-Controllable Speech Augmentation
von: Kim, Miseul, et al.
Veröffentlicht: (2025)

Laugh Now Cry Later: Controlling Time-Varying Emotional States of Flow-Matching-Based Zero-Shot Text-to-Speech
von: Wu, Haibin, et al.
Veröffentlicht: (2024)

FreGrad: Lightweight and Fast Frequency-aware Diffusion Vocoder
von: Nguyen, Tan Dat, et al.
Veröffentlicht: (2024)

StreamVoiceAnon+: Emotion-Preserving Streaming Speaker Anonymization via Frame-Level Acoustic Distillation
von: Kuzmin, Nikita, et al.
Veröffentlicht: (2026)

Text-Aware Adapter for Few-Shot Keyword Spotting
von: Jung, Youngmoon, et al.
Veröffentlicht: (2024)

Neural Spectral Band Generation for Audio Coding
von: Choi, Woongjib, et al.
Veröffentlicht: (2025)

Scattering Transform for Auditory Attention Decoding
von: Pallenberg, René, et al.
Veröffentlicht: (2026)

Relational Proxy Loss for Audio-Text based Keyword Spotting
von: Jung, Youngmoon, et al.
Veröffentlicht: (2024)

Explainable AI in Speaker Recognition -- Making Latent Representations Understandable
von: Xu, Yanze, et al.
Veröffentlicht: (2026)

Voice Mapping of Text-to-Speech Systems: A Metric-Based Approach for Voice Quality Assessment
von: Cai, Huanchen, et al.
Veröffentlicht: (2026)

FlowSE: Efficient and High-Quality Speech Enhancement via Flow Matching
von: Wang, Ziqian, et al.
Veröffentlicht: (2025)

Why some audio signal short-time Fourier transform coefficients have nonuniform phase distributions
von: Voran, Stephen D.
Veröffentlicht: (2024)

Speech Enhancement Based on Drifting Models
von: Xu, Liang, et al.
Veröffentlicht: (2026)

Mind the Prompt: Prompting Strategies in Audio Generations for Improving Sound Classification
von: Ronchini, Francesca, et al.
Veröffentlicht: (2025)

SELM: Speech Enhancement Using Discrete Tokens and Language Models
von: Wang, Ziqian, et al.
Veröffentlicht: (2023)

Online speaker diarization of meetings guided by speech separation
von: Gruttadauria, Elio, et al.
Veröffentlicht: (2024)

MELA-TTS: Joint transformer-diffusion model with representation alignment for speech synthesis
von: An, Keyu, et al.
Veröffentlicht: (2025)

Entropy-Guided GRVQ for Ultra-Low Bitrate Neural Speech Codec
von: Ren, Yanzhou, et al.
Veröffentlicht: (2026)

3D-Speaker-Toolkit: An Open-Source Toolkit for Multimodal Speaker Verification and Diarization
von: Chen, Yafeng, et al.
Veröffentlicht: (2024)

Enhancing Listened Speech Decoding from EEG via Parallel Phoneme Sequence Prediction
von: Lee, Jihwan, et al.
Veröffentlicht: (2025)

Enhancing Anti-spoofing Countermeasures Robustness through Joint Optimization and Transfer Learning
von: Wang, Yikang, et al.
Veröffentlicht: (2024)

SuperM2M: Supervised and Mixture-to-Mixture Co-Learning for Speech Enhancement and Noise-Robust ASR
von: Wang, Zhong-Qiu
Veröffentlicht: (2024)