:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhuang, Tao, Li, Shaozhe, Niu, Feng, Zhong, Jia-Xin, Lu, Jing
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Audio and Speech Processing
Online-Zugang:	https://arxiv.org/abs/2504.17440
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Learning-Based Approach for Identification and Compensation of Nonlinear Distortions in Parametric Array Loudspeakers
von: Li, Mengtong, et al.
Veröffentlicht: (2024)

A k-space approach to modeling multi-channel parametric array loudspeaker systems
von: Zhuang, Tao, et al.
Veröffentlicht: (2025)

The feasibility of sound zone control using an array of parametric array loudspeakers
von: Zhuang, Tao, et al.
Veröffentlicht: (2024)

Constant Directivity Loudspeaker Beamforming
von: Luo, Yuancheng
Veröffentlicht: (2024)

Synthesis of Soundfields through Irregular Loudspeaker Arrays Based on Convolutional Neural Networks
von: Comanducci, Luca, et al.
Veröffentlicht: (2022)

Loudspeaker Beamforming to Enhance Speech Recognition Performance of Voice Driven Applications
von: de Groot, Dimme, et al.
Veröffentlicht: (2025)

Audible Networks: Deconstructing and Manipulating Sounds with Deep Non-Negative Autoencoders
von: Burred, Juan José, et al.
Veröffentlicht: (2025)

A Variance-Preserving Interpolation Approach for Diffusion Models with Applications to Single Channel Speech Enhancement and Recognition
von: Guo, Zilu, et al.
Veröffentlicht: (2024)

DCF-DS: Deep Cascade Fusion of Diarization and Separation for Speech Recognition under Realistic Single-Channel Conditions
von: Niu, Shu-Tong, et al.
Veröffentlicht: (2024)

Optimized Loudspeaker Panning for Adaptive Sound-Field Correction and Non-stationary Listening Areas
von: Luo, Yuancheng
Veröffentlicht: (2025)

Channel Adaptation for Speaker Verification Using Optimal Transport with Pseudo Label
von: Yang, Wenhao, et al.
Veröffentlicht: (2024)

Single Channel Blind Dereverberation of Speech Signals
von: Nigam, Dhruv
Veröffentlicht: (2025)

A Low-Complexity Speech Codec Using Parametric Dithering for ASR
von: Murray, Ellison, et al.
Veröffentlicht: (2025)

Exploring the Potential of Data-Driven Spatial Audio Enhancement Using a Single-Channel Model
von: Santos, Arthur N. dos, et al.
Veröffentlicht: (2024)

BERP: A Blind Estimator of Room Parameters for Single-Channel Noisy Speech Signals
von: Wang, Lijun, et al.
Veröffentlicht: (2024)

EffectiveASR: A Single-Step Non-Autoregressive Mandarin Speech Recognition Architecture with High Accuracy and Inference Speed
von: Zhuang, Ziyang, et al.
Veröffentlicht: (2024)

A Lightweight Hybrid Dual Channel Speech Enhancement System under Low-SNR Conditions
von: Wang, Zheng, et al.
Veröffentlicht: (2025)

ARiSE: Auto-Regressive Multi-Channel Speech Enhancement
von: Shen, Pengjie, et al.
Veröffentlicht: (2025)

Unsupervised Single-Channel Speech Separation with a Diffusion Prior under Speaker-Embedding Guidance
von: Shi, Runwu, et al.
Veröffentlicht: (2025)

Unsupervised Single-Channel Audio Separation with Diffusion Source Priors
von: Shi, Runwu, et al.
Veröffentlicht: (2025)

Speech Enhancement with Dual-path Multi-Channel Linear Prediction Filter and Multi-norm Beamforming
von: Qin, Chengyuan, et al.
Veröffentlicht: (2025)

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

Reference Channel Selection by Multi-Channel Masking for End-to-End Multi-Channel Speech Enhancement
von: Dai, Wang, et al.
Veröffentlicht: (2024)

Distance Based Single-Channel Target Speech Extraction
von: Shi, Runwu, et al.
Veröffentlicht: (2024)

SLAM-Omni: Timbre-Controllable Voice Interaction System with Single-Stage Training
von: Chen, Wenxi, et al.
Veröffentlicht: (2024)

Eliminating Quantization Errors in Classification-Based Sound Source Localization
von: Feng, Linfeng, et al.
Veröffentlicht: (2023)

MC-LExt: Multi-Channel Target Speaker Extraction with Onset-Prompted Speaker Conditioning Mechanism
von: Ling, Tongtao, et al.
Veröffentlicht: (2025)

SoundLoCD: An Efficient Conditional Discrete Contrastive Latent Diffusion Model for Text-to-Sound Generation
von: Niu, Xinlei, et al.
Veröffentlicht: (2024)

Online Single-Channel Audio-Based Sound Speed Estimation for Robust Multi-Channel Audio Control
von: Fuglsig, Andreas Jonas, et al.
Veröffentlicht: (2026)

Flexible Multi-Channel Target Speaker Extraction Using Geometry-Conditioned Spatially Selective Non-linear Filters
von: Li, Jiatong, et al.
Veröffentlicht: (2026)

Analytic Class Incremental Learning for Sound Source Localization with Privacy Protection
von: Qian, Xinyuan, et al.
Veröffentlicht: (2024)

Study of Lightweight Transformer Architectures for Single-Channel Speech Enhancement
von: Zhao, Haixin, et al.
Veröffentlicht: (2025)

Speaker Distance Estimation in Enclosures from Single-Channel Audio
von: Neri, Michael, et al.
Veröffentlicht: (2024)

Towards a Single ASR Model That Generalizes to Disordered Speech
von: Tobin, Jimmy, et al.
Veröffentlicht: (2024)

Multi-Channel Multi-Speaker ASR Using Target Speaker's Solo Segment
von: Shao, Yiwen, et al.
Veröffentlicht: (2024)

Single-Channel Target Speech Extraction Utilizing Distance and Room Clues
von: Shi, Runwu, et al.
Veröffentlicht: (2025)

PASE: Leveraging the Phonological Prior of WavLM for Low-Hallucination Generative Speech Enhancement
von: Rong, Xiaobin, et al.
Veröffentlicht: (2025)

WaveNet-Volterra Neural Networks for Active Noise Control: A Fully Causal Approach
von: Bai, Lu, et al.
Veröffentlicht: (2025)

Beyond Manual Transcripts: The Potential of Automated Speech Recognition Errors in Improving Alzheimer's Disease Detection
von: Liu, Yin-Long, et al.
Veröffentlicht: (2025)

UniPASE: A Generative Model for Universal Speech Enhancement with High Fidelity and Low Hallucinations
von: Rong, Xiaobin, et al.
Veröffentlicht: (2026)