Buchumschlag

Developing an Effective Training Dataset to Enhance the Performance of AI-based Speaker Separation Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Melhem, Rawad, Jafar, Assef, Dakkak, Oumayma Al
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

Towards Solving Cocktail-Party: The First Method to Build a Realistic Dataset with Ground Truths for Speech Separation
von: Melhem, Rawad, et al.
Veröffentlicht: (2023)

Study of the Performance of CEEMDAN in Underdetermined Speech Separation
von: Melhem, Rawad, et al.
Veröffentlicht: (2024)

Quranic Audio Dataset: Crowdsourced and Labeled Recitation from Non-Arabic Speakers
von: Salameh, Raghad, et al.
Veröffentlicht: (2024)

Memory-Efficient Training for Deep Speaker Embedding Learning in Speaker Verification
von: Liu, Bei, et al.
Veröffentlicht: (2024)

Multi-Speaker Conversational Audio Deepfake: Taxonomy, Dataset and Pilot Study
von: Ahmed, Alabi, et al.
Veröffentlicht: (2026)

Serialized Speech Information Guidance with Overlapped Encoding Separation for Multi-Speaker Automatic Speech Recognition
von: Shi, Hao, et al.
Veröffentlicht: (2024)

Speaker Embeddings to Improve Tracking of Intermittent and Moving Speakers
von: Iatariene, Taous, et al.
Veröffentlicht: (2025)

Disentangling Speakers in Multi-Talker Speech Recognition with Speaker-Aware CTC
von: Kang, Jiawen, et al.
Veröffentlicht: (2024)

Leveraging Speaker Embeddings in End-to-End Neural Diarization for Two-Speaker Scenarios
von: Alvarez-Trejos, Juan Ignacio, et al.
Veröffentlicht: (2024)

Deep Learning for Speaker Identification: Architectural Insights from AB-1 Corpus Analysis and Performance Evaluation
von: Bartolo, Matthias
Veröffentlicht: (2024)

The SVASR System for Text-dependent Speaker Verification (TdSV) AAIC Challenge 2024
von: Molavi, Mohammadreza, et al.
Veröffentlicht: (2024)

Explainable Attribute-Based Speaker Verification
von: Wu, Xiaoliang, et al.
Veröffentlicht: (2024)

DGMO: Training-Free Audio Source Separation through Diffusion-Guided Mask Optimization
von: Lee, Geonyoung, et al.
Veröffentlicht: (2025)

From Modular to End-to-End Speaker Diarization
von: Landini, Federico
Veröffentlicht: (2024)

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

TISDiSS: A Training-Time and Inference-Time Scalable Framework for Discriminative Source Separation
von: Feng, Yongsheng, et al.
Veröffentlicht: (2025)

The VoxCeleb Speaker Recognition Challenge: A Retrospective
von: Huh, Jaesung, et al.
Veröffentlicht: (2024)

SDBench: A Comprehensive Benchmark Suite for Speaker Diarization
von: Pacheco, Eduardo, et al.
Veröffentlicht: (2025)

End-to-End Supervised Hierarchical Graph Clustering for Speaker Diarization
von: Singh, Prachi, et al.
Veröffentlicht: (2024)

LSCodec: Low-Bitrate and Speaker-Decoupled Discrete Speech Codec
von: Guo, Yiwei, et al.
Veröffentlicht: (2024)

DART: Disentanglement of Accent and Speaker Representation in Multispeaker Text-to-Speech
von: Melechovsky, Jan, et al.
Veröffentlicht: (2024)

Asynchronous Voice Anonymization Using Adversarial Perturbation On Speaker Embedding
von: Wang, Rui, et al.
Veröffentlicht: (2024)

Evaluating Speaker Identity Coding in Self-supervised Models and Humans
von: Elbanna, Gasser
Veröffentlicht: (2024)

Unispeaker: A Unified Approach for Multimodality-driven Speaker Generation
von: Sheng, Zhengyan, et al.
Veröffentlicht: (2025)

Whisper Speaker Identification: Leveraging Pre-Trained Multilingual Transformers for Robust Speaker Embeddings
von: Emon, Jakaria Islam, et al.
Veröffentlicht: (2025)

Personalized Speech Enhancement Without a Separate Speaker Embedding Model
von: Pärnamaa, Tanel, et al.
Veröffentlicht: (2024)

NeuroSpex: Neuro-Guided Speaker Extraction with Cross-Modal Attention
von: De Silva, Dashanka, et al.
Veröffentlicht: (2024)

ASoBO: Attentive Beamformer Selection for Distant Speaker Diarization in Meetings
von: Mariotte, Theo, et al.
Veröffentlicht: (2024)

ExPO: Explainable Phonetic Trait-Oriented Network for Speaker Verification
von: Ma, Yi, et al.
Veröffentlicht: (2025)

Perceiver-Prompt: Flexible Speaker Adaptation in Whisper for Chinese Disordered Speech Recognition
von: Jiang, Yicong, et al.
Veröffentlicht: (2024)

ML-SAN: Multi-Level Speaker-Adaptive Network for Emotion Recognition in Conversations
von: Wang, Kexue, et al.
Veröffentlicht: (2026)

Improving Neural Diarization through Speaker Attribute Attractors and Local Dependency Modeling
von: Palzer, David, et al.
Veröffentlicht: (2025)

Target Speaker Extraction through Comparing Noisy Positive and Negative Audio Enrollments
von: Xu, Shitong, et al.
Veröffentlicht: (2025)

Who is Authentic Speaker
von: Huang, Qiang
Veröffentlicht: (2024)

Towards Low-Latency Tracking of Multiple Speakers With Short-Context Speaker Embeddings
von: Iatariene, Taous, et al.
Veröffentlicht: (2025)

Stable-TTS: Stable Speaker-Adaptive Text-to-Speech Synthesis via Prosody Prompting
von: Han, Wooseok, et al.
Veröffentlicht: (2024)

Egocentric Speaker Classification in Child-Adult Dyadic Interactions: From Sensing to Computational Modeling
von: Feng, Tiantian, et al.
Veröffentlicht: (2024)

Text-dependent Speaker Verification (TdSV) Challenge 2024: Challenge Evaluation Plan
von: Hossein, Zeinali, et al.
Veröffentlicht: (2024)

Removing Speaker Information from Speech Representation using Variable-Length Soft Pooling
von: Hwang, Injune, et al.
Veröffentlicht: (2024)

MultiActor-Audiobook: Zero-Shot Audiobook Generation with Faces and Voices of Multiple Speakers
von: Park, Kyeongman, et al.
Veröffentlicht: (2025)