Buchumschlag

Robustness of Speech Separation Models for Similar-pitch Speakers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lay, Bunlong, Zaczek, Sebastian, Tesch, Kristina, Gerkmann, Timo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Audio and Speech Processing Machine Learning Signal Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Analysis of the Variance of Diffusion-based Speech Enhancement
von: Lay, Bunlong, et al.
Veröffentlicht: (2024)

Multi-channel Speech Separation Using Spatially Selective Deep Non-linear Filters
von: Tesch, Kristina, et al.
Veröffentlicht: (2023)

Diffusion Buffer: Online Diffusion-based Speech Enhancement with Sub-Second Latency
von: Lay, Bunlong, et al.
Veröffentlicht: (2025)

Bone-conduction Guided Multimodal Speech Enhancement with Conditional Diffusion Models
von: Khanagha, Sina, et al.
Veröffentlicht: (2026)

A Fast Solver for Interpolating Stochastic Differential Equation Diffusion Models for Speech Restoration
von: Lay, Bunlong, et al.
Veröffentlicht: (2026)

EMOCONV-DIFF: Diffusion-based Speech Emotion Conversion for Non-parallel and In-the-wild Data
von: Prabhu, Navin Raj, et al.
Veröffentlicht: (2023)

Diffusion Buffer for Online Generative Speech Enhancement
von: Lay, Bunlong, et al.
Veröffentlicht: (2025)

Speech Enhancement and Dereverberation with Diffusion-based Generative Models
von: Richter, Julius, et al.
Veröffentlicht: (2022)

Single and Few-step Diffusion for Generative Speech Enhancement
von: Lay, Bunlong, et al.
Veröffentlicht: (2023)

Real-Time Streaming Mel Vocoding with Generative Flow Matching
von: Welker, Simon, et al.
Veröffentlicht: (2025)

EARS: An Anechoic Fullband Speech Dataset Benchmarked for Speech Enhancement and Dereverberation
von: Richter, Julius, et al.
Veröffentlicht: (2024)

Adaptive Rotary Steering with Joint Autoregression for Robust Extraction of Closely Moving Speakers in Dynamic Scenarios
von: Kienegger, Jakob, et al.
Veröffentlicht: (2026)

Autoregressive Guidance of Deep Spatially Selective Filters using Bayesian Tracking for Efficient Extraction of Moving Speakers
von: Kienegger, Jakob, et al.
Veröffentlicht: (2026)

Steering Deep Non-Linear Spatially Selective Filters for Weakly Guided Extraction of Moving Speakers in Dynamic Scenarios
von: Kienegger, Jakob, et al.
Veröffentlicht: (2025)

FlowDec: A flow-based full-band general audio codec with high perceptual quality
von: Welker, Simon, et al.
Veröffentlicht: (2025)

Mask-Weighted Spatial Likelihood Coding for Speaker-Independent Joint Localization and Mask Estimation
von: Kienegger, Jakob, et al.
Veröffentlicht: (2024)

Are Modern Speech Enhancement Systems Vulnerable to Adversarial Attacks?
von: Makarov, Rostislav, et al.
Veröffentlicht: (2025)

Self-Steering Deep Non-Linear Spatially Selective Filters for Efficient Extraction of Moving Speakers under Weak Guidance
von: Kienegger, Jakob, et al.
Veröffentlicht: (2025)

Self-Tuning Spectral Clustering for Speaker Diarization
von: Raghav, Nikhil, et al.
Veröffentlicht: (2024)

ArrayDPS: Unsupervised Blind Speech Separation with a Diffusion Prior
von: Xu, Zhongweiyang, et al.
Veröffentlicht: (2025)

VoxKnesset: A Large-Scale Longitudinal Hebrew Speech Dataset for Aging Speaker Modeling
von: Marmor, Yanir, et al.
Veröffentlicht: (2026)

StoRM: A Diffusion-based Stochastic Regeneration Model for Speech Enhancement and Dereverberation
von: Lemercier, Jean-Marie, et al.
Veröffentlicht: (2022)

Beyond the Labels: Unveiling Text-Dependency in Paralinguistic Speech Recognition Datasets
von: Pešán, Jan, et al.
Veröffentlicht: (2024)

Quartered Chirp Spectral Envelope for Whispered vs Normal Speech Classification
von: Joysingh, S. Johanan, et al.
Veröffentlicht: (2024)

Non-intrusive Speech Quality Assessment with Diffusion Models Trained on Clean Speech
von: de Oliveira, Danilo, et al.
Veröffentlicht: (2024)

The PESQetarian: On the Relevance of Goodhart's Law for Speech Enhancement
von: de Oliveira, Danilo, et al.
Veröffentlicht: (2024)

Resource-Efficient Separation Transformer
von: Della Libera, Luca, et al.
Veröffentlicht: (2022)

Is Audio Spoof Detection Robust to Laundering Attacks?
von: Ali, Hashim, et al.
Veröffentlicht: (2024)

Comparison of Tiny Machine Learning Techniques for Embedded Acoustic Emission Analysis
von: Muthumala, Uditha, et al.
Veröffentlicht: (2024)

DeepFilterGAN: A Full-band Real-time Speech Enhancement System with GAN-based Stochastic Regeneration
von: Serbest, Sanberk, et al.
Veröffentlicht: (2025)

GLA-Grad++: An Improved Griffin-Lim Guided Diffusion Model for Speech Synthesis
von: Baoueb, Teysir, et al.
Veröffentlicht: (2025)

Brain-Informed Speech Separation for Cochlear Implants
von: Gajecki, Tom, et al.
Veröffentlicht: (2026)

Speech Watermarking with Discrete Intermediate Representations
von: Ji, Shengpeng, et al.
Veröffentlicht: (2024)

A Generalized Bandsplit Neural Network for Cinematic Audio Source Separation
von: Watcharasupat, Karn N., et al.
Veröffentlicht: (2023)

Real-Time Streamable Generative Speech Restoration with Flow Matching
von: Welker, Simon, et al.
Veröffentlicht: (2025)

Remixing Music for Hearing Aids Using Ensemble of Fine-Tuned Source Separators
von: Daly, Matthew
Veröffentlicht: (2024)

The Inverse Drum Machine: Source Separation Through Joint Transcription and Analysis-by-Synthesis
von: Torres, Bernardo, et al.
Veröffentlicht: (2025)

Speaker and Style Disentanglement of Speech Based on Contrastive Predictive Coding Supported Factorized Variational Autoencoder
von: Xie, Yuying, et al.
Veröffentlicht: (2024)

Mismatch-Robust Underwater Acoustic Localization Using A Differentiable Modular Forward Model
von: Kari, Dariush, et al.
Veröffentlicht: (2025)

Speech Self-Supervised Representations Benchmarking: a Case for Larger Probing Heads
von: Zaiem, Salah, et al.
Veröffentlicht: (2023)