Buchumschlag

ConcateNet: Dialogue Separation Using Local And Global Feature Concatenation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Halimeh, Mhd Modar, Torcoli, Matteo, Habets, Emanuël
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Audio and Speech Processing Computation and Language Sound
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Navigating PESQ: Up-to-Date Versions and Open Implementations
von: Torcoli, Matteo, et al.
Veröffentlicht: (2025)

On the Relation Between Speech Quality and Quantized Latent Representations of Neural Codecs
von: Halimeh, Mhd Modar, et al.
Veröffentlicht: (2025)

Neural Directional Filtering: Far-Field Directivity Control With a Small Microphone Array
von: Wechsler, Julian, et al.
Veröffentlicht: (2024)

Acoustic Teleportation via Disentangled Neural Audio Codec Representations
von: Grundhuber, Philipp, et al.
Veröffentlicht: (2025)

Robust Speech Activity Detection in the Presence of Singing Voice
von: Grundhuber, Philipp, et al.
Veröffentlicht: (2025)

ODAQ: Open Dataset of Audio Quality
von: Torcoli, Matteo, et al.
Veröffentlicht: (2023)

Neural Directional Filtering Using a Compact Microphone Array
von: Huang, Weilong, et al.
Veröffentlicht: (2025)

Speech Loudness in Broadcasting and Streaming
von: Torcoli, Matteo, et al.
Veröffentlicht: (2024)

GAN-Based Speech Enhancement for Low SNR Using Latent Feature Conditioning
von: Shetu, Shrishti Saha, et al.
Veröffentlicht: (2024)

Data-driven Joint Detection and Localization of Acoustic Reflectors
von: Bicer, H. Nazim, et al.
Veröffentlicht: (2024)

Audio Dialogues: Dialogues dataset for audio and music understanding
von: Goel, Arushi, et al.
Veröffentlicht: (2024)

Stereo Reproduction in the Presence of Sample Rate Offsets
von: Korse, Srikanth, et al.
Veröffentlicht: (2025)

DeepDialogue: A Multi-Turn Emotionally-Rich Spoken Dialogue Dataset
von: Koudounas, Alkis, et al.
Veröffentlicht: (2025)

J-CHAT: Japanese Large-scale Spoken Dialogue Corpus for Spoken Dialogue Language Modeling
von: Nakata, Wataru, et al.
Veröffentlicht: (2024)

Comparative Analysis Of Discriminative Deep Learning-Based Noise Reduction Methods In Low SNR Scenarios
von: Shetu, Shrishti Saha, et al.
Veröffentlicht: (2024)

On the Use of Audio to Improve Dialogue Policies
von: Roncel, Daniel, et al.
Veröffentlicht: (2024)

CS-Dialogue: A 104-Hour Dataset of Spontaneous Mandarin-English Code-Switching Dialogues for Speech Recognition
von: Zhou, Jiaming, et al.
Veröffentlicht: (2025)

HEAR: Hearing Enhanced Audio Response for Video-grounded Dialogue
von: Yoon, Sunjae, et al.
Veröffentlicht: (2023)

ESPnet-SDS: Unified Toolkit and Demo for Spoken Dialogue Systems
von: Arora, Siddhant, et al.
Veröffentlicht: (2025)

AC/DC: LLM-based Audio Comprehension via Dialogue Continuation
von: Fujita, Yusuke, et al.
Veröffentlicht: (2025)

SD-Eval: A Benchmark Dataset for Spoken Dialogue Understanding Beyond Words
von: Ao, Junyi, et al.
Veröffentlicht: (2024)

SLIDE: Integrating Speech Language Model with LLM for Spontaneous Spoken Dialogue Generation
von: Lu, Haitian, et al.
Veröffentlicht: (2025)

Chain-of-Thought Training for Open E2E Spoken Dialogue Systems
von: Arora, Siddhant, et al.
Veröffentlicht: (2025)

Stream RAG: Instant and Accurate Spoken Dialogue Systems with Streaming Tool Usage
von: Arora, Siddhant, et al.
Veröffentlicht: (2025)

Meta Learning Text-to-Speech Synthesis in over 7000 Languages
von: Lux, Florian, et al.
Veröffentlicht: (2024)

Enhancing Dialogue Speech Recognition with Robust Contextual Awareness via Noise Representation Learning
von: Lee, Wonjun, et al.
Veröffentlicht: (2024)

Chain-of-Thought Reasoning in Streaming Full-Duplex End-to-End Spoken Dialogue Systems
von: Arora, Siddhant, et al.
Veröffentlicht: (2025)

Joint Speech and Text Training for LLM-Based End-to-End Spoken Dialogue State Tracking
von: Vendrame, Katia, et al.
Veröffentlicht: (2025)

Leveraging Chain of Thought towards Empathetic Spoken Dialogue without Corresponding Question-Answering Data
von: Xie, Jingran, et al.
Veröffentlicht: (2025)

From Turn-Taking to Synchronous Dialogue: A Survey of Full-Duplex Spoken Language Models
von: Chen, Yuxuan, et al.
Veröffentlicht: (2025)

Unifying Diarization, Separation, and ASR with Multi-Speaker Encoder
von: Shakeel, Muhammad, et al.
Veröffentlicht: (2025)

Speech Separation based on Contrastive Learning and Deep Modularization
von: Ochieng, Peter
Veröffentlicht: (2023)

SepALM: Audio Language Models Are Error Correctors for Robust Speech Separation
von: Mu, Zhaoxi, et al.
Veröffentlicht: (2025)

FlashLabs Chroma 1.0: A Real-Time End-to-End Spoken Dialogue Model with Personalized Voice Cloning
von: Chen, Tanyu, et al.
Veröffentlicht: (2026)

Revisiting Acoustic Features for Robust ASR
von: Shah, Muhammad A., et al.
Veröffentlicht: (2024)

Neural Concatenative Singing Voice Conversion: Rethinking Concatenation-Based Approach for One-Shot Singing Voice Conversion
von: Sha, Binzhu, et al.
Veröffentlicht: (2023)

Which Prosodic Features Matter Most for Pragmatics?
von: Ward, Nigel G., et al.
Veröffentlicht: (2024)

On the Contribution of Lexical Features to Speech Emotion Recognition
von: Combei, David
Veröffentlicht: (2025)

Continual Speech Learning with Fused Speech Features
von: Wang, Guitao, et al.
Veröffentlicht: (2025)

Automatic speech recognition for the Nepali language using CNN, bidirectional LSTM and ResNet
von: Dhakal, Manish, et al.
Veröffentlicht: (2024)