Buchumschlag

Application of ASV for Voice Identification after VC and Duration Predictor Improvement in TTS Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nikolayevich, Borodin Kirill, Dmitrievich, Kudryavtsev Vasiliy, Maratovich, Mkrtchian Grach, Genadievich, Gorodnichev Mikhail, Sergeevich, Korzh Dmitrii
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Sound Artificial Intelligence Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Combining Masked Language Modeling and Cross-Modal Contrastive Learning for Prosody-Aware TTS
von: Borodin, Kirill, et al.
Veröffentlicht: (2026)

When Spoof Detectors Travel: Evaluation Across 66 Languages in the Low-Resource Language Spoofing Corpus
von: Borodin, Kirill, et al.
Veröffentlicht: (2026)

AASIST3: KAN-Enhanced AASIST Speech Deepfake Detection using SSL Features and Additional Regularization for the ASVspoof 2024 Challenge
von: Borodin, Kirill, et al.
Veröffentlicht: (2024)

Balalaika: Data-Centric, Prosody-Aware Annotation Pipeline for Russian Speech
von: Borodin, Kirill, et al.
Veröffentlicht: (2025)

Interpreting Multi-Branch Anti-Spoofing Architectures: Correlating Internal Strategy with Empirical Performance
von: Viakhirev, Ivan, et al.
Veröffentlicht: (2026)

From Visual to Multimodal: Systematic Ablation of Encoders and Fusion Strategies in Animal Identification
von: Kudryavtsev, Vasiliy, et al.
Veröffentlicht: (2026)

Benchmarking Compact VLMs for Clip-Level Surveillance Anomaly Detection Under Weak Supervision
von: Borodin, Kirill, et al.
Veröffentlicht: (2026)

Evaluating Generalization and Robustness in Russian Anti-Spoofing: The RuASD Initiative
von: Lysikova, Ksenia, et al.
Veröffentlicht: (2026)

From Dispersion to Attraction: Spectral Dynamics of Hallucination Across Whisper Model Scales
von: Viakhirev, Ivan, et al.
Veröffentlicht: (2026)

VoiceStar: Robust Zero-Shot Autoregressive TTS with Duration Control and Extrapolation
von: Peng, Puyuan, et al.
Veröffentlicht: (2025)

Certification of Speaker Recognition Models to Additive Perturbations
von: Korzh, Dmitrii, et al.
Veröffentlicht: (2024)

Towards Scalable AASIST: Refining Graph Attention for Speech Deepfake Detection
von: Viakhirev, Ivan, et al.
Veröffentlicht: (2025)

An Exhaustive Evaluation of TTS- and VC-based Data Augmentation for ASR
von: Ogun, Sewade, et al.
Veröffentlicht: (2025)

FNH-TTS: Mixture-of-Experts Duration Modeling for Robust Neural Speech Synthesis
von: Meng, Qingliang, et al.
Veröffentlicht: (2025)

Compact Neural TTS Voices for Accessibility
von: Jain, Kunal, et al.
Veröffentlicht: (2025)

Zero-shot Cross-lingual Voice Transfer for TTS
von: Biadsy, Fadi, et al.
Veröffentlicht: (2024)

Technical report: Impact of Duration Prediction on Speaker-specific TTS for Indian Languages
von: Pandey, Isha, et al.
Veröffentlicht: (2025)

Voice Impression Control in Zero-Shot TTS
von: Fujita, Kenichi, et al.
Veröffentlicht: (2025)

VC-ENHANCE: Speech Restoration with Integrated Noise Suppression and Voice Conversion
von: Byun, Kyungguen, et al.
Veröffentlicht: (2024)

SRC4VC: Smartphone-Recorded Corpus for Voice Conversion Benchmark
von: Saito, Yuki, et al.
Veröffentlicht: (2024)

GenVC: Self-Supervised Zero-Shot Voice Conversion
von: Cai, Zexin, et al.
Veröffentlicht: (2025)

JoyTTS: LLM-based Spoken Chatbot With Voice Cloning
von: Zhou, Fangru, et al.
Veröffentlicht: (2025)

REF-VC: Robust, Expressive and Fast Zero-Shot Voice Conversion with Diffusion Transformers
von: Jiang, Yuepeng, et al.
Veröffentlicht: (2025)

VECL-TTS: Voice identity and Emotional style controllable Cross-Lingual Text-to-Speech
von: Gudmalwar, Ashishkumar, et al.
Veröffentlicht: (2024)

PseudoVC: Improving One-shot Voice Conversion with Pseudo Paired Data
von: Cao, Songjun, et al.
Veröffentlicht: (2025)

HybridVC: Efficient Voice Style Conversion with Text and Audio Prompts
von: Niu, Xinlei, et al.
Veröffentlicht: (2024)

X-VC: Zero-shot Streaming Voice Conversion in Codec Space
von: Zheng, Qixi, et al.
Veröffentlicht: (2026)

AdaptVC: High Quality Voice Conversion with Adaptive Learning
von: Kim, Jaehun, et al.
Veröffentlicht: (2025)

MulliVC: Multi-lingual Voice Conversion With Cycle Consistency
von: Huang, Jiawei, et al.
Veröffentlicht: (2024)

StreamVC: Real-Time Low-Latency Voice Conversion
von: Yang, Yang, et al.
Veröffentlicht: (2024)

LibriTTS-VI: A Public Corpus and Novel Methods for Efficient Voice Impression Control
von: Ohmura, Junki, et al.
Veröffentlicht: (2025)

UniVoice: Unifying Autoregressive ASR and Flow-Matching based TTS with Large Language Models
von: Guan, Wenhao, et al.
Veröffentlicht: (2025)

StableVC: Style Controllable Zero-Shot Voice Conversion with Conditional Flow Matching
von: Yao, Jixun, et al.
Veröffentlicht: (2024)

ControlVC: Zero-Shot Voice Conversion with Time-Varying Controls on Pitch and Speed
von: Chen, Meiying, et al.
Veröffentlicht: (2022)

MeanVC: Lightweight and Streaming Zero-Shot Voice Conversion via Mean Flows
von: Ma, Guobin, et al.
Veröffentlicht: (2025)

Traceable TTS: Toward Watermark-Free TTS with Strong Traceability
von: Zhao, Yuxiang, et al.
Veröffentlicht: (2025)

EZ-VC: Easy Zero-shot Any-to-Any Voice Conversion
von: Joglekar, Advait, et al.
Veröffentlicht: (2025)

SelfVC: Voice Conversion With Iterative Refinement using Self Transformations
von: Neekhara, Paarth, et al.
Veröffentlicht: (2023)

Novel Loss-Enhanced Universal Adversarial Patches for Sustainable Speaker Privacy
von: Karimov, Elvir, et al.
Veröffentlicht: (2025)

DualVC 2: Dynamic Masked Convolution for Unified Streaming and Non-Streaming Voice Conversion
von: Ning, Ziqian, et al.
Veröffentlicht: (2023)