Investigation of Zero-shot Text-to-Speech Models for Enhancing Short-Utterance Speaker Verification
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhao, Yiyang, Wang, Shuai, Sun, Guangzhi, Chen, Zehua, Zhang, Chao, Xu, Mingxing, Zheng, Thomas Fang |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Whisper-PMFA: Partial Multi-Scale Feature Aggregation for Speaker Verification using Whisper Models
par: Zhao, Yiyang, et autres
Publié: (2024)
par: Zhao, Yiyang, et autres
Publié: (2024)
Speaker Adaptation for Quantised End-to-End ASR Models
par: Zhao, Qiuming, et autres
Publié: (2024)
par: Zhao, Qiuming, et autres
Publié: (2024)
SAML: Speaker Adaptive Mixture of LoRA Experts for End-to-End ASR
par: Zhao, Qiuming, et autres
Publié: (2024)
par: Zhao, Qiuming, et autres
Publié: (2024)
A Joint Noise Disentanglement and Adversarial Training Framework for Robust Speaker Verification
par: Xing, Xujiang, et autres
Publié: (2024)
par: Xing, Xujiang, et autres
Publié: (2024)
Cross-Utterance Conditioned VAE for Speech Generation
par: Li, Yang, et autres
Publié: (2023)
par: Li, Yang, et autres
Publié: (2023)
ControlSpeech: Towards Simultaneous and Independent Zero-shot Speaker Cloning and Zero-shot Language Style Control
par: Ji, Shengpeng, et autres
Publié: (2024)
par: Ji, Shengpeng, et autres
Publié: (2024)
Enhancing Zero-shot Text-to-Speech Synthesis with Human Feedback
par: Chen, Chen, et autres
Publié: (2024)
par: Chen, Chen, et autres
Publié: (2024)
Enhancing Self-Supervised Speaker Verification Using Similarity-Connected Graphs and GCN
par: Sun, Zhaorui, et autres
Publié: (2025)
par: Sun, Zhaorui, et autres
Publié: (2025)
Wav2Prompt: End-to-End Speech Prompt Generation and Tuning For LLM in Zero and Few-shot Learning
par: Deng, Keqi, et autres
Publié: (2024)
par: Deng, Keqi, et autres
Publié: (2024)
Attractor-Based Speech Separation of Multiple Utterances by Unknown Number of Speakers
par: Wang, Yuzhu, et autres
Publié: (2025)
par: Wang, Yuzhu, et autres
Publié: (2025)
Erasing Your Voice Before It's Heard: Training-free Speaker Unlearning for Zero-shot Text-to-Speech
par: Lee, Myungjin, et autres
Publié: (2026)
par: Lee, Myungjin, et autres
Publié: (2026)
Multi-Utterance Speech Separation and Association Trained on Short Segments
par: Wang, Yuzhu, et autres
Publié: (2025)
par: Wang, Yuzhu, et autres
Publié: (2025)
GLOBE: A High-quality English Corpus with Global Accents for Zero-shot Speaker Adaptive Text-to-Speech
par: Wang, Wenbin, et autres
Publié: (2024)
par: Wang, Wenbin, et autres
Publié: (2024)
TED-TTS: Training-Free Intra-Utterance Emotion and Duration Control for Text-to-Speech Synthesis
par: Liang, Qifan, et autres
Publié: (2026)
par: Liang, Qifan, et autres
Publié: (2026)
On-the-fly Routing for Zero-shot MoE Speaker Adaptation of Speech Foundation Models for Dysarthric Speech Recognition
par: HU, Shujie, et autres
Publié: (2025)
par: HU, Shujie, et autres
Publié: (2025)
Speaker Verification with Speech-Aware LLMs: Evaluation and Augmentation
par: Thebaud, Thomas, et autres
Publié: (2026)
par: Thebaud, Thomas, et autres
Publié: (2026)
Low-Rank and Sparse Model Merging for Multi-Lingual Speech Recognition and Translation
par: Zhao, Qiuming, et autres
Publié: (2025)
par: Zhao, Qiuming, et autres
Publié: (2025)
Schrodinger Bridges Beat Diffusion Models on Text-to-Speech Synthesis
par: Chen, Zehua, et autres
Publié: (2023)
par: Chen, Zehua, et autres
Publié: (2023)
CapTalk: Unified Voice Design for Single-Utterance and Dialogue Speech Generation
par: Su, Xiaosu, et autres
Publié: (2026)
par: Su, Xiaosu, et autres
Publié: (2026)
SSR-Speech: Towards Stable, Safe and Robust Zero-shot Text-based Speech Editing and Synthesis
par: Wang, Helin, et autres
Publié: (2024)
par: Wang, Helin, et autres
Publié: (2024)
MiniMax-Speech: Intrinsic Zero-Shot Text-to-Speech with a Learnable Speaker Encoder
par: Zhang, Bowen, et autres
Publié: (2025)
par: Zhang, Bowen, et autres
Publié: (2025)
Enhancing Speaker Verification with Whispered Speech via Post-Processing
par: Gołębiowska, Magdalena, et autres
Publié: (2026)
par: Gołębiowska, Magdalena, et autres
Publié: (2026)
Koopman Regularized Deep Speech Disentanglement for Speaker Verification
par: Chazaridis, Nikos, et autres
Publié: (2026)
par: Chazaridis, Nikos, et autres
Publié: (2026)
Fine-grained Preference Optimization Improves Zero-shot Text-to-Speech
par: Yao, Jixun, et autres
Publié: (2025)
par: Yao, Jixun, et autres
Publié: (2025)
Investigating Effective Speaker Property Privacy Protection in Federated Learning for Speech Emotion Recognition
par: Tan, Chao, et autres
Publié: (2024)
par: Tan, Chao, et autres
Publié: (2024)
LiveSpeech: Low-Latency Zero-shot Text-to-Speech via Autoregressive Modeling of Audio Discrete Codes
par: Dang, Trung, et autres
Publié: (2024)
par: Dang, Trung, et autres
Publié: (2024)
Profiling the Voice: Speaker-Specific Phoneme Fingerprinting for Speech Deepfake Detection
par: Xue, Jun, et autres
Publié: (2026)
par: Xue, Jun, et autres
Publié: (2026)
ASRRL-TTS: Agile Speaker Representation Reinforcement Learning for Text-to-Speech Speaker Adaptation
par: Fu, Ruibo, et autres
Publié: (2024)
par: Fu, Ruibo, et autres
Publié: (2024)
Enhancing Age-Related Robustness in Children Speaker Verification
par: Shetty, Vishwas M., et autres
Publié: (2025)
par: Shetty, Vishwas M., et autres
Publié: (2025)
PhiNet: Speaker Verification with Phonetic Interpretability
par: Ma, Yi, et autres
Publié: (2026)
par: Ma, Yi, et autres
Publié: (2026)
Lightweight Zero-shot Text-to-Speech with Mixture of Adapters
par: Fujita, Kenichi, et autres
Publié: (2024)
par: Fujita, Kenichi, et autres
Publié: (2024)
Advancing Zero-shot Text-to-Speech Intelligibility across Diverse Domains via Preference Alignment
par: Zhang, Xueyao, et autres
Publié: (2025)
par: Zhang, Xueyao, et autres
Publié: (2025)
Zero Resource Code-switched Speech Benchmark Using Speech Utterance Pairs For Multiple Spoken Languages
par: Huang, Kuan-Po, et autres
Publié: (2023)
par: Huang, Kuan-Po, et autres
Publié: (2023)
Improving Short Utterance Anti-Spoofing with AASIST2
par: Zhang, Yuxiang, et autres
Publié: (2023)
par: Zhang, Yuxiang, et autres
Publié: (2023)
Multi-level Temporal-channel Speaker Retrieval for Zero-shot Voice Conversion
par: Wang, Zhichao, et autres
Publié: (2023)
par: Wang, Zhichao, et autres
Publié: (2023)
Learning Emotion-Invariant Speaker Representations for Speaker Verification
par: Tian, Jingguang, et autres
Publié: (2025)
par: Tian, Jingguang, et autres
Publié: (2025)
Investigation of Speaker Representation for Target-Speaker Speech Processing
par: Ashihara, Takanori, et autres
Publié: (2024)
par: Ashihara, Takanori, et autres
Publié: (2024)
StreamMel: Real-Time Zero-shot Text-to-Speech via Interleaved Continuous Autoregressive Modeling
par: Wang, Hui, et autres
Publié: (2025)
par: Wang, Hui, et autres
Publié: (2025)
NanoVoice: Efficient Speaker-Adaptive Text-to-Speech for Multiple Speakers
par: Park, Nohil, et autres
Publié: (2024)
par: Park, Nohil, et autres
Publié: (2024)
Hyperbolic Additive Margin Softmax with Hierarchical Information for Speaker Verification
par: Fang, Zhihua, et autres
Publié: (2026)
par: Fang, Zhihua, et autres
Publié: (2026)
Documents similaires
-
Whisper-PMFA: Partial Multi-Scale Feature Aggregation for Speaker Verification using Whisper Models
par: Zhao, Yiyang, et autres
Publié: (2024) -
Speaker Adaptation for Quantised End-to-End ASR Models
par: Zhao, Qiuming, et autres
Publié: (2024) -
SAML: Speaker Adaptive Mixture of LoRA Experts for End-to-End ASR
par: Zhao, Qiuming, et autres
Publié: (2024) -
A Joint Noise Disentanglement and Adversarial Training Framework for Robust Speaker Verification
par: Xing, Xujiang, et autres
Publié: (2024) -
Cross-Utterance Conditioned VAE for Speech Generation
par: Li, Yang, et autres
Publié: (2023)