SoundLoCD: An Efficient Conditional Discrete Contrastive Latent Diffusion Model for Text-to-Sound Generation
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Niu, Xinlei, Zhang, Jing, Walder, Christian, Martin, Charles Patrick |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
SoundMorpher: Perceptually-Uniform Sound Morphing with Diffusion Model
par: Niu, Xinlei, et autres
Publié: (2024)
par: Niu, Xinlei, et autres
Publié: (2024)
HybridVC: Efficient Voice Style Conversion with Text and Audio Prompts
par: Niu, Xinlei, et autres
Publié: (2024)
par: Niu, Xinlei, et autres
Publié: (2024)
Efficient Sound Field Reconstruction with Conditional Invertible Neural Networks
par: Karakonstantis, Xenofon, et autres
Publié: (2024)
par: Karakonstantis, Xenofon, et autres
Publié: (2024)
Diffuse Sound Field Synthesis
par: Zotter, Franz, et autres
Publié: (2024)
par: Zotter, Franz, et autres
Publié: (2024)
AudioSpa: Spatializing Sound Events with Text
par: Feng, Linfeng, et autres
Publié: (2025)
par: Feng, Linfeng, et autres
Publié: (2025)
Learning Magnitude Distribution of Sound Fields via Conditioned Autoencoder
par: Koyama, Shoichi, et autres
Publié: (2025)
par: Koyama, Shoichi, et autres
Publié: (2025)
SoundCTM: Unifying Score-based and Consistency Models for Full-band Text-to-Sound Generation
par: Saito, Koichi, et autres
Publié: (2024)
par: Saito, Koichi, et autres
Publié: (2024)
SimpleSpeech: Towards Simple and Efficient Text-to-Speech with Scalar Latent Transformer Diffusion Models
par: Yang, Dongchao, et autres
Publié: (2024)
par: Yang, Dongchao, et autres
Publié: (2024)
Leveraging Sound Source Trajectories for Universal Sound Separation
par: Wu, Donghang, et autres
Publié: (2024)
par: Wu, Donghang, et autres
Publié: (2024)
Sound Zone Control Robust To Sound Speed Change
par: Bhattacharjee, Sankha Subhra, et autres
Publié: (2024)
par: Bhattacharjee, Sankha Subhra, et autres
Publié: (2024)
Beyond Video-to-SFX: Video to Audio Synthesis with Environmentally Aware Speech
par: Niu, Xinlei, et autres
Publié: (2025)
par: Niu, Xinlei, et autres
Publié: (2025)
SoundBeam meets M2D: Target Sound Extraction with Audio Foundation Model
par: Hernandez-Olivan, Carlos, et autres
Publié: (2024)
par: Hernandez-Olivan, Carlos, et autres
Publié: (2024)
Evaluating Sound Similarity Metrics for Differentiable, Iterative Sound-Matching
par: Salimi, Amir, et autres
Publié: (2025)
par: Salimi, Amir, et autres
Publié: (2025)
Enhancing Emotional Text-to-Speech Controllability with Natural Language Guidance through Contrastive Learning and Diffusion Models
par: Jing, Xin, et autres
Publié: (2024)
par: Jing, Xin, et autres
Publié: (2024)
Leveraging Audio-Only Data for Text-Queried Target Sound Extraction
par: Saijo, Kohei, et autres
Publié: (2024)
par: Saijo, Kohei, et autres
Publié: (2024)
Exploring Text-Queried Sound Event Detection with Audio Source Separation
par: Yin, Han, et autres
Publié: (2024)
par: Yin, Han, et autres
Publié: (2024)
Exploring Self-Supervised Audio Models for Generalized Anomalous Sound Detection
par: Han, Bing, et autres
Publié: (2025)
par: Han, Bing, et autres
Publié: (2025)
Contrastive Loss Based Frame-wise Feature disentanglement for Polyphonic Sound Event Detection
par: Guan, Yadong, et autres
Publié: (2024)
par: Guan, Yadong, et autres
Publié: (2024)
Diffusion based Text-to-Music Generation with Global and Local Text based Conditioning
par: Zhang, Jisi, et autres
Publié: (2025)
par: Zhang, Jisi, et autres
Publié: (2025)
Improvements of Discriminative Feature Space Training for Anomalous Sound Detection in Unlabeled Conditions
par: Fujimura, Takuya, et autres
Publié: (2024)
par: Fujimura, Takuya, et autres
Publié: (2024)
Stream-based Active Learning for Anomalous Sound Detection in Machine Condition Monitoring
par: Ho, Tuan Vu, et autres
Publié: (2024)
par: Ho, Tuan Vu, et autres
Publié: (2024)
Leveraging LLM and Text-Queried Separation for Noise-Robust Sound Event Detection
par: Yin, Han, et autres
Publié: (2024)
par: Yin, Han, et autres
Publié: (2024)
MambaFoley: Foley Sound Generation using Selective State-Space Models
par: Colombo, Marco Furio, et autres
Publié: (2024)
par: Colombo, Marco Furio, et autres
Publié: (2024)
Sounding Out Reconstruction Error-Based Evaluation of Generative Models of Expressive Performance
par: Peter, Silvan David, et autres
Publié: (2023)
par: Peter, Silvan David, et autres
Publié: (2023)
Noise-Robust Sound Event Detection and Counting via Language-Queried Sound Separation
par: Chen, Yuanjian, et autres
Publié: (2025)
par: Chen, Yuanjian, et autres
Publié: (2025)
DiffSound: Differentiable Modal Sound Rendering and Inverse Rendering for Diverse Inference Tasks
par: Jin, Xutong, et autres
Publié: (2024)
par: Jin, Xutong, et autres
Publié: (2024)
SoloAudio: Target Sound Extraction with Language-oriented Audio Diffusion Transformer
par: Wang, Helin, et autres
Publié: (2024)
par: Wang, Helin, et autres
Publié: (2024)
A Detailed Audio-Text Data Simulation Pipeline using Single-Event Sounds
par: Xu, Xuenan, et autres
Publié: (2024)
par: Xu, Xuenan, et autres
Publié: (2024)
A Steered Response Power Method for Sound Source Localization With Generic Acoustic Models
par: Müller, Kaspar, et autres
Publié: (2025)
par: Müller, Kaspar, et autres
Publié: (2025)
Retaining Mixture Representations for Domain Generalized Anomalous Sound Detection
par: Saengthong, Phurich, et autres
Publié: (2025)
par: Saengthong, Phurich, et autres
Publié: (2025)
ASD-Diffusion: Anomalous Sound Detection with Diffusion Models
par: Zhang, Fengrun, et autres
Publié: (2024)
par: Zhang, Fengrun, et autres
Publié: (2024)
Trainingless Adaptation of Pretrained Models for Environmental Sound Classification
par: Tonami, Noriyuki, et autres
Publié: (2024)
par: Tonami, Noriyuki, et autres
Publié: (2024)
Codec-SUPERB: An In-Depth Analysis of Sound Codec Models
par: Wu, Haibin, et autres
Publié: (2024)
par: Wu, Haibin, et autres
Publié: (2024)
Fractional Fourier Sound Synthesis
par: Gutiérrez, Esteban, et autres
Publié: (2025)
par: Gutiérrez, Esteban, et autres
Publié: (2025)
Sound Event Bounding Boxes
par: Ebbers, Janek, et autres
Publié: (2024)
par: Ebbers, Janek, et autres
Publié: (2024)
AudioLCM: Text-to-Audio Generation with Latent Consistency Models
par: Liu, Huadai, et autres
Publié: (2024)
par: Liu, Huadai, et autres
Publié: (2024)
BTS: Bridging Text and Sound Modalities for Metadata-Aided Respiratory Sound Classification
par: Kim, June-Woo, et autres
Publié: (2024)
par: Kim, June-Woo, et autres
Publié: (2024)
LipDiffuser: Lip-to-Speech Generation with Conditional Diffusion Models
par: Richter, Julius, et autres
Publié: (2025)
par: Richter, Julius, et autres
Publié: (2025)
Steered Response Power for Sound Source Localization: A Tutorial Review
par: Grinstein, Eric, et autres
Publié: (2024)
par: Grinstein, Eric, et autres
Publié: (2024)
ACES: Evaluating Automated Audio Captioning Models on the Semantics of Sounds
par: Wijngaard, Gijs, et autres
Publié: (2024)
par: Wijngaard, Gijs, et autres
Publié: (2024)
Documents similaires
-
SoundMorpher: Perceptually-Uniform Sound Morphing with Diffusion Model
par: Niu, Xinlei, et autres
Publié: (2024) -
HybridVC: Efficient Voice Style Conversion with Text and Audio Prompts
par: Niu, Xinlei, et autres
Publié: (2024) -
Efficient Sound Field Reconstruction with Conditional Invertible Neural Networks
par: Karakonstantis, Xenofon, et autres
Publié: (2024) -
Diffuse Sound Field Synthesis
par: Zotter, Franz, et autres
Publié: (2024) -
AudioSpa: Spatializing Sound Events with Text
par: Feng, Linfeng, et autres
Publié: (2025)