Buchumschlag

HARP 2.0: Expanding Hosted, Asynchronous, Remote Processing for Deep Learning in the DAW

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Benetatos, Christodoulos, Cwitkowitz, Frank, Pruyne, Nathan, Garcia, Hugo Flores, O'Reilly, Patrick, Duan, Zhiyao, Pardo, Bryan
Format:	Preprint
Veröffentlicht:	2025
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

Toward Fully Self-Supervised Multi-Pitch Estimation
von: Cwitkowitz, Frank, et al.
Veröffentlicht: (2024)

Investigating an Overfitting and Degeneration Phenomenon in Self-Supervised Multi-Pitch Estimation
von: Cwitkowitz, Frank, et al.
Veröffentlicht: (2025)

The Rhythm In Anything: Audio-Prompted Drums Generation with Masked Language Modeling
von: O'Reilly, Patrick, et al.
Veröffentlicht: (2025)

Cross-domain Neural Pitch and Periodicity Estimation
von: Morrison, Max, et al.
Veröffentlicht: (2023)

Fine-Grained and Interpretable Neural Speech Editing
von: Morrison, Max, et al.
Veröffentlicht: (2024)

SynthTab: Leveraging Synthesized Data for Guitar Tablature Transcription
von: Zang, Yongyi, et al.
Veröffentlicht: (2023)

Deep Audio Watermarks are Shallow: Limitations of Post-Hoc Watermarking Techniques for Speech
von: O'Reilly, Patrick, et al.
Veröffentlicht: (2025)

Text2FX: Harnessing CLAP Embeddings for Text-Guided Audio Effects
von: Chu, Annie, et al.
Veröffentlicht: (2024)

Code Drift: Towards Idempotent Neural Audio Codecs
von: O'Reilly, Patrick, et al.
Veröffentlicht: (2024)

Exploring Musical Roots: Applying Audio Embeddings to Empower Influence Attribution for a Generative Music Model
von: Barnett, Julia, et al.
Veröffentlicht: (2024)

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

Learning Arousal-Valence Representation from Categorical Emotion Labels of Speech
von: Zhou, Enting, et al.
Veröffentlicht: (2023)

Sketch2Sound: Controllable Audio Generation via Time-Varying Signals and Sonic Imitations
von: García, Hugo Flores, et al.
Veröffentlicht: (2024)

MR-DAW: Towards Collaborative Digital Audio Workstations in Mixed Reality
von: Hopkins, Torin, et al.
Veröffentlicht: (2026)

Cacophony: An Improved Contrastive Audio-Text Model
von: Zhu, Ge, et al.
Veröffentlicht: (2024)

A Probabilistic Fusion Framework for Spoofing Aware Speaker Verification
von: Zhang, You, et al.
Veröffentlicht: (2022)

Audio Generation Through Score-Based Generative Modeling: Design Principles and Implementation
von: Zhu, Ge, et al.
Veröffentlicht: (2025)

Generating Novel and Realistic Speakers for Voice Conversion
von: Chen, Meiying Melissa, et al.
Veröffentlicht: (2025)

Scoring Time Intervals using Non-Hierarchical Transformer For Automatic Piano Transcription
von: Yan, Yujia, et al.
Veröffentlicht: (2024)

MusicHiFi: Fast High-Fidelity Stereo Vocoding
von: Zhu, Ge, et al.
Veröffentlicht: (2024)

PartialEdit: Identifying Partial Deepfakes in the Era of Neural Speech Editing
von: Zhang, You, et al.
Veröffentlicht: (2025)

UR Channel-Robust Synthetic Speech Detection System for ASVspoof 2021
von: Chen, Xinhui, et al.
Veröffentlicht: (2021)

An Empirical Study on Channel Effects for Synthetic Voice Spoofing Countermeasure Systems
von: Zhang, You, et al.
Veröffentlicht: (2021)

Predicting Global HRTFs From Scanned Head Geometry Using Deep Learning and Compact Representations
von: Wang, Yuxiang, et al.
Veröffentlicht: (2022)

High-Fidelity Neural Phonetic Posteriorgrams
von: Churchwell, Cameron, et al.
Veröffentlicht: (2024)

Conan: A Chunkwise Online Network for Zero-Shot Adaptive Voice Conversion
von: Zhang, Yu, et al.
Veröffentlicht: (2025)

Towards Perception-Informed Latent HRTF Representations
von: Zhang, You, et al.
Veröffentlicht: (2025)

A Multi-Stream Fusion Approach with One-Class Learning for Audio-Visual Deepfake Detection
von: Lee, Kyungbok, et al.
Veröffentlicht: (2024)

Timbre-Trap: A Low-Resource Framework for Instrument-Agnostic Music Transcription
von: Cwitkowitz, Frank, et al.
Veröffentlicht: (2023)

SingFake: Singing Voice Deepfake Detection
von: Zang, Yongyi, et al.
Veröffentlicht: (2023)

Generating Data with Text-to-Speech and Large-Language Models for Conversational Speech Recognition
von: Cornell, Samuele, et al.
Veröffentlicht: (2024)

Distributed Asynchronous Device Speech Enhancement via Windowed Cross-Attention
von: Yang, Gene-Ping, et al.
Veröffentlicht: (2025)

A Reliable and Efficient Detection Pipeline for Rodent Ultrasonic Vocalizations
von: Anis, Sabah Shahnoor, et al.
Veröffentlicht: (2025)

SVDD 2024: The Inaugural Singing Voice Deepfake Detection Challenge
von: Zhang, You, et al.
Veröffentlicht: (2024)

Do Joint Language-Audio Embeddings Encode Perceptual Timbre Semantics?
von: Deng, Qixin, et al.
Veröffentlicht: (2025)

Asynchronous Microphone Array Calibration using Hybrid TDOA Information
von: Zhang, Chengjie, et al.
Veröffentlicht: (2024)

Expanding and Analyzing ODAQ -- the Open Dataset of Audio Quality
von: Dick, Sascha, et al.
Veröffentlicht: (2025)

HARP: A Large-Scale Higher-Order Ambisonic Room Impulse Response Dataset
von: Saini, Shivam, et al.
Veröffentlicht: (2024)

Blind Source Separation in Biomedical Signals Using Variational Methods
von: Torabi, Yasaman, et al.
Veröffentlicht: (2025)

Large Language Models and Non-Negative Matrix Factorization for Bioacoustic Signal Decomposition
von: Torabi, Yasaman, et al.
Veröffentlicht: (2025)