Buchumschlag

MaskCycleGAN-based Whisper to Normal Speech Conversion

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gupta, K. Rohith, Ramnath, K., Joysingh, S. Johanan, Vijayalakshmi, P., Nagarajan, T.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Audio and Speech Processing Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Quartered Spectral Envelope and 1D-CNN-based Classification of Normally Phonated and Whispered Speech
von: Joysingh, S. Johanan, et al.
Veröffentlicht: (2024)

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

Development of Large Annotated Music Datasets using HMM-based Forced Viterbi Alignment
von: Joysingh, S. Johanan, et al.
Veröffentlicht: (2024)

A Feature Engineering Approach for Literary and Colloquial Tamil Speech Classification using 1D-CNN
von: Nanmalar, M., et al.
Veröffentlicht: (2024)

Significance of Chirp MFCC as a Feature in Speech and Audio Applications
von: Joysingh, S. Johanan, et al.
Veröffentlicht: (2024)

Chirp Group Delay based Onset Detection in Instruments with Fast Attack
von: Joysingh, S. Johanan, et al.
Veröffentlicht: (2024)

Literary and Colloquial Dialect Identification for Tamil using Acoustic Features
von: Nanmalar, M., et al.
Veröffentlicht: (2024)

WhisperVC: Decoupled Cross-Domain Alignment and Speech Generation for Low-Resource Whisper-to-Normal Conversion
von: Liu, Dong, et al.
Veröffentlicht: (2025)

Vocoder-Free Non-Parallel Conversion of Whispered Speech With Masked Cycle-Consistent Generative Adversarial Networks
von: Wagner, Dominik, et al.
Veröffentlicht: (2023)

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

Literary and Colloquial Tamil Dialect Identification
von: Nanmalar, M., et al.
Veröffentlicht: (2024)

Adopting Whisper for Confidence Estimation
von: Aggarwal, Vaibhav, et al.
Veröffentlicht: (2025)

Non-Intrusive Speech Intelligibility Prediction for Hearing Aids using Whisper and Metadata
von: Zezario, Ryandhimas E., et al.
Veröffentlicht: (2023)

WhisperD: Dementia Speech Recognition and Filler Word Detection with Whisper
von: Akinrintoyo, Emmanuel, et al.
Veröffentlicht: (2025)

Discrete Unit based Masking for Improving Disentanglement in Voice Conversion
von: Lee, Philip H., et al.
Veröffentlicht: (2024)

Whilter: A Whisper-based Data Filter for "In-the-Wild" Speech Corpora Using Utterance-level Multi-Task Classification
von: Ravenscroft, William, et al.
Veröffentlicht: (2025)

Behind the Scenes: Mechanistic Interpretability of LoRA-adapted Whisper for Speech Emotion Recognition
von: Ma, Yujian, et al.
Veröffentlicht: (2025)

WhiSQA: Non-Intrusive Speech Quality Prediction Using Whisper Encoder Features
von: Close, George, et al.
Veröffentlicht: (2025)

FlowW2N: Whispered-to-Normal Speech Conversion via Flow-Matching
von: Ritter-Gutierrez, Fabian, et al.
Veröffentlicht: (2026)

SpecDiff-GAN: A Spectrally-Shaped Noise Diffusion GAN for Speech and Music Synthesis
von: Baoueb, Teysir, et al.
Veröffentlicht: (2024)

Optimizing Multi-Stuttered Speech Classification: Leveraging Whisper's Encoder for Efficient Parameter Reduction in Automated Assessment
von: Ameer, Huma, et al.
Veröffentlicht: (2024)

CMGAN: Conformer-based Metric GAN for Speech Enhancement
von: Cao, Ruizhe, et al.
Veröffentlicht: (2022)

Audio-to-Score Conversion Model Based on Whisper methodology
von: Zhang, Hongyao, et al.
Veröffentlicht: (2024)

SE-DiCoW: Self-Enrolled Diarization-Conditioned Whisper
von: Polok, Alexander, et al.
Veröffentlicht: (2026)

Fine-Tuning Whisper for Inclusive Prosodic Stress Analysis
von: Sohn, Samuel S., et al.
Veröffentlicht: (2025)

Whispy: Adapting STT Whisper Models to Real-Time Environments
von: Bevilacqua, Antonio, et al.
Veröffentlicht: (2024)

Switchboard-Affect: Emotion Perception Labels from Conversational Speech
von: Romana, Amrit, et al.
Veröffentlicht: (2025)

BigVSAN: Enhancing GAN-based Neural Vocoders with Slicing Adversarial Network
von: Shibuya, Takashi, et al.
Veröffentlicht: (2023)

WhisperRT -- Turning Whisper into a Causal Streaming Model
von: Krichli, Tomer, et al.
Veröffentlicht: (2025)

Accent Conversion in Text-To-Speech Using Multi-Level VAE and Adversarial Training
von: Melechovsky, Jan, et al.
Veröffentlicht: (2024)

CMGAN: Conformer-Based Metric-GAN for Monaural Speech Enhancement
von: Abdulatif, Sherif, et al.
Veröffentlicht: (2022)

Towards Maximum Likelihood Training for Transducer-based Streaming Speech Recognition
von: Lee, Hyeonseung, et al.
Veröffentlicht: (2024)

The Second DISPLACE Challenge : DIarization of SPeaker and LAnguage in Conversational Environments
von: Kalluri, Shareef Babu, et al.
Veröffentlicht: (2024)

WhispEar: A Bi-directional Framework for Scaling Whispered Speech Conversion via Pseudo-Parallel Whisper Generation
von: Fang, Zihao, et al.
Veröffentlicht: (2026)

Leveraging Whisper Embeddings for Audio-based Lyrics Matching
von: Mancini, Eleonora, et al.
Veröffentlicht: (2025)

Evaluation of Speech Foundation Models for ASR on Child-Adult Conversations in Autism Diagnostic Sessions
von: Ashvin, Aditya, et al.
Veröffentlicht: (2024)

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

Who Said What? An Automated Approach to Analyzing Speech in Preschool Classrooms
von: Sun, Anchen, et al.
Veröffentlicht: (2024)

Exploratory Evaluation of Speech Content Masking
von: Williams, Jennifer, et al.
Veröffentlicht: (2024)

Test-Time Training for Speech Enhancement
von: Behera, Avishkar, et al.
Veröffentlicht: (2025)