Buchumschlag

On the Relation Between Speech Quality and Quantized Latent Representations of Neural Codecs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Halimeh, Mhd Modar, Torcoli, Matteo, Grundhuber, Philipp, Habets, Emanuël A. P.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

ConcateNet: Dialogue Separation Using Local And Global Feature Concatenation
von: Halimeh, Mhd Modar, et al.
Veröffentlicht: (2024)

Navigating PESQ: Up-to-Date Versions and Open Implementations
von: Torcoli, Matteo, 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)

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

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

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

Benchmarking Neural Speech Codec Intelligibility with SITool
von: Leschanowsky, Anna, et al.
Veröffentlicht: (2025)

Leveraging Discriminative Latent Representations for Conditioning GAN-Based Speech Enhancement
von: Shetu, Shrishti Saha, et al.
Veröffentlicht: (2025)

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

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

Dynamic Slimmable Networks for Efficient Speech Separation
von: Elminshawi, Mohamed, et al.
Veröffentlicht: (2025)

Blind Acoustic Parameter Estimation Through Task-Agnostic Embeddings Using Latent Approximations
von: Götz, Philipp, et al.
Veröffentlicht: (2024)

Neural Directional Filtering with Configurable Directivity Pattern at Inference
von: Huang, Weilong, et al.
Veröffentlicht: (2025)

Matching Reverberant Speech Through Learned Acoustic Embeddings and Feedback Delay Networks
von: Götz, Philipp, et al.
Veröffentlicht: (2025)

SAC: Neural Speech Codec with Semantic-Acoustic Dual-Stream Quantization
von: Chen, Wenxi, et al.
Veröffentlicht: (2025)

Low-Resource Text-to-Speech Synthesis Using Noise-Augmented Training of ForwardTacotron
von: Lakshminarayana, Kishor Kayyar, et al.
Veröffentlicht: (2025)

Sample Rate Offset Compensated Acoustic Echo Cancellation For Multi-Device Scenarios
von: Korse, Srikanth, et al.
Veröffentlicht: (2025)

Codec2Vec: Self-Supervised Speech Representation Learning Using Neural Speech Codecs
von: Tseng, Wei-Cheng, et al.
Veröffentlicht: (2025)

NDF+: Joint Neural Directional Filtering and Diffuse Sound Extraction
von: Huang, Weilong, et al.
Veröffentlicht: (2026)

Enhancing Noise Robustness for Neural Speech Codecs through Resource-Efficient Progressive Quantization Perturbation Simulation
von: Zheng, Rui-Chen, et al.
Veröffentlicht: (2025)

A High-Quality and Low-Complexity Streamable Neural Speech Codec with Knowledge Distillation
von: Zhang, En-Wei, et al.
Veröffentlicht: (2025)

Exploring Disentangled Neural Speech Codecs from Self-Supervised Representations
von: Aihara, Ryo, et al.
Veröffentlicht: (2025)

Personalized Neural Speech Codec
von: Jang, Inseon, et al.
Veröffentlicht: (2024)

GAN-Based Multi-Microphone Spatial Target Speaker Extraction
von: Shetu, Shrishti Saha, et al.
Veröffentlicht: (2025)

Language-Codec: Bridging Discrete Codec Representations and Speech Language Models
von: Ji, Shengpeng, et al.
Veröffentlicht: (2024)

Investigating the impact of stereo processing -- a study for extending the Open Dataset of Audio Quality (ODAQ)
von: Dick, Sascha, et al.
Veröffentlicht: (2025)

BigCodec: Pushing the Limits of Low-Bitrate Neural Speech Codec
von: Xin, Detai, et al.
Veröffentlicht: (2024)

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

Distinctive Feature Codec: An Adaptive Efficient Speech Representation for Depression Detection
von: Zhang, Xiangyu, et al.
Veröffentlicht: (2025)

RepCodec: A Speech Representation Codec for Speech Tokenization
von: Huang, Zhichao, et al.
Veröffentlicht: (2023)

Speech Separation using Neural Audio Codecs with Embedding Loss
von: Yip, Jia Qi, et al.
Veröffentlicht: (2024)

Single-Codec: Single-Codebook Speech Codec towards High-Performance Speech Generation
von: Li, Hanzhao, et al.
Veröffentlicht: (2024)

SuperCodec: A Neural Speech Codec with Selective Back-Projection Network
von: Zheng, Youqiang, et al.
Veröffentlicht: (2024)

ESPnet-Codec: Comprehensive Training and Evaluation of Neural Codecs for Audio, Music, and Speech
von: Shi, Jiatong, et al.
Veröffentlicht: (2024)

VoCodec: An Efficient Lightweight Low-Bitrate Speech Codec
von: Yang, Leyan, et al.
Veröffentlicht: (2026)

Probing the Robustness Properties of Neural Speech Codecs
von: Tseng, Wei-Cheng, et al.
Veröffentlicht: (2025)

SpatialCodec: Neural Spatial Speech Coding
von: Xu, Zhongweiyang, et al.
Veröffentlicht: (2023)

A Neural Speech Codec for Noise Robust Speech Coding
von: Huang, Jiayi, et al.
Veröffentlicht: (2023)