Buchumschlag

KunquDB: An Attempt for Speaker Verification in the Chinese Opera Scenario

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Huali, Lin, Yuke, Liu, Dong, Li, Ming
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Audio and Speech Processing Sound Image and Video Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Audio-Visual Speaker Diarization: Current Databases, Approaches and Challenges
von: Mingote, Victoria, et al.
Veröffentlicht: (2024)

The role of audio-visual integration in the time course of phonetic encoding in self-supervised speech models
von: Wang, Yi, et al.
Veröffentlicht: (2025)

Improvement Of Audiovisual Quality Estimation Using A Nonlinear Autoregressive Exogenous Neural Network And Bitstream Parameters
von: Kossi, Koffi, et al.
Veröffentlicht: (2024)

Towards Language-Independent Face-Voice Association with Multimodal Foundation Models
von: Farhadipour, Aref, et al.
Veröffentlicht: (2025)

Interpretable Modeling of Articulatory Temporal Dynamics from real-time MRI for Phoneme Recognition
von: Park, Jay, et al.
Veröffentlicht: (2025)

Efficient Face Detection with Audio-Based Region Proposals for Human-Robot Interactions
von: Aris, William, et al.
Veröffentlicht: (2023)

UNQA: Unified No-Reference Quality Assessment for Audio, Image, Video, and Audio-Visual Content
von: Cao, Yuqin, et al.
Veröffentlicht: (2024)

CoAVT: A Cognition-Inspired Unified Audio-Visual-Text Pre-Training Model for Multimodal Processing
von: Yue, Xianghu, et al.
Veröffentlicht: (2024)

Beyond Correlation: Evaluating Multimedia Quality Models with the Constrained Concordance Index
von: Ragano, Alessandro, et al.
Veröffentlicht: (2024)

The DKU System for Multi-Speaker Automatic Speech Recognition in MLC-SLM Challenge
von: Lin, Yuke, et al.
Veröffentlicht: (2025)

End-to-end audio-visual learning for cochlear implant sound coding simulations in noisy environments
von: Lin, Meng-Ping, et al.
Veröffentlicht: (2025)

Multimodal Marvels of Deep Learning in Medical Diagnosis: A Comprehensive Review of COVID-19 Detection
von: Islam, Md Shofiqul, et al.
Veröffentlicht: (2025)

SoundSil-DS: Deep Denoising and Segmentation of Sound-field Images with Silhouettes
von: Tanigawa, Risako, et al.
Veröffentlicht: (2024)

A multi-modal approach for identifying schizophrenia using cross-modal attention
von: Premananth, Gowtham, et al.
Veröffentlicht: (2023)

Audio-Visual Approach For Multimodal Concurrent Speaker Detection
von: Eliav, Amit, et al.
Veröffentlicht: (2024)

Enhancing Real-World Active Speaker Detection with Multi-Modal Extraction Pre-Training
von: Tao, Ruijie, et al.
Veröffentlicht: (2024)

Listening for "You": Enhancing Speech Image Retrieval via Target Speaker Extraction
von: Yang, Wenhao, et al.
Veröffentlicht: (2025)

MASV: Speaker Verification with Global and Local Context Mamba
von: Liu, Yang, et al.
Veröffentlicht: (2024)

ToS: A Team of Specialists ensemble framework for Stereo Sound Event Localization and Detection with distance estimation in Video
von: Berghi, Davide, et al.
Veröffentlicht: (2026)

Livestock feeding behaviour: A review on automated systems for ruminant monitoring
von: Chelotti, José, et al.
Veröffentlicht: (2023)

PrismAudio: Decomposed Chain-of-Thoughts and Multi-dimensional Rewards for Video-to-Audio Generation
von: Liu, Huadai, et al.
Veröffentlicht: (2025)

PhiNet: Speaker Verification with Phonetic Interpretability
von: Ma, Yi, et al.
Veröffentlicht: (2026)

Enhancing Speaker Verification with w2v-BERT 2.0 and Knowledge Distillation guided Structured Pruning
von: Li, Ze, et al.
Veröffentlicht: (2025)

Robust Training for Speaker Verification against Noisy Labels
von: Fang, Zhihua, et al.
Veröffentlicht: (2022)

Localizing Audio-Visual Deepfakes via Hierarchical Boundary Modeling
von: Chen, Xuanjun, et al.
Veröffentlicht: (2025)

Learning Emotion-Invariant Speaker Representations for Speaker Verification
von: Tian, Jingguang, et al.
Veröffentlicht: (2025)

Adversarial Reweighting for Speaker Verification Fairness
von: Jin, Minho, et al.
Veröffentlicht: (2022)

Diffusion-Based Adversarial Purification for Speaker Verification
von: Bai, Yibo, et al.
Veröffentlicht: (2023)

An Investigation on Speaker Augmentation for End-to-End Speaker Extraction
von: You, Zhenghai, et al.
Veröffentlicht: (2025)

Speech2rtMRI: Speech-Guided Diffusion Model for Real-time MRI Video of the Vocal Tract during Speech
von: Nguyen, Hong, et al.
Veröffentlicht: (2024)

SpecMaskFoley: Steering Pretrained Spectral Masked Generative Transformer Toward Synchronized Video-to-audio Synthesis via ControlNet
von: Zhong, Zhi, et al.
Veröffentlicht: (2025)

Adaptive Multimodal Person Recognition: A Robust Framework for Handling Missing Modalities
von: Farhadipour, Aref, et al.
Veröffentlicht: (2025)

Cross Attentional Audio-Visual Fusion for Dimensional Emotion Recognition
von: Praveen, R. Gnana, et al.
Veröffentlicht: (2021)

Sound Source Localization for Spatial Mapping of Surgical Actions in Dynamic Scenes
von: Hein, Jonas, et al.
Veröffentlicht: (2025)

Spoofing-Aware Speaker Verification via Wavelet Prompt Tuning and Multi-Model Ensembles
von: Farhadipour, Aref, et al.
Veröffentlicht: (2026)

A Comprehensive Investigation on Speaker Augmentation for Speaker Recognition
von: Zhou, Zhenyu, et al.
Veröffentlicht: (2024)

Adaptive Data Augmentation with NaturalSpeech3 for Far-field Speaker Verification
von: Zhang, Li, et al.
Veröffentlicht: (2025)

Spectral-Aware Low-Rank Adaptation for Speaker Verification
von: Li, Zhe, et al.
Veröffentlicht: (2025)

Neighborhood Attention Transformer with Progressive Channel Fusion for Speaker Verification
von: Li, Nian, et al.
Veröffentlicht: (2024)

USEF-TSE: Universal Speaker Embedding Free Target Speaker Extraction
von: Zeng, Bang, et al.
Veröffentlicht: (2024)