Buchumschlag

Evaluating Multichannel Speech Enhancement Algorithms at the Phoneme Scale Across Genders

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Monir, Nasser-Eddine, Magron, Paul, Serizel, Romain
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Sound Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Phoneme-Scale Assessment of Multichannel Speech Enhancement Algorithms
von: Monir, Nasser-Eddine, et al.
Veröffentlicht: (2024)

Frequency-Weighted Training Losses for Phoneme-Level DNN-based Speech Enhancement
von: Monir, Nasser-Eddine, et al.
Veröffentlicht: (2025)

Performance and energy balance: a comprehensive study of state-of-the-art sound event detection systems
von: Ronchini, Francesca, et al.
Veröffentlicht: (2023)

Posterior Transition Modeling for Unsupervised Diffusion-Based Speech Enhancement
von: Sadeghi, Mostafa, et al.
Veröffentlicht: (2025)

Angular Distance Distribution Loss for Audio Classification
von: Almudévar, Antonio, et al.
Veröffentlicht: (2024)

Decoupled Spatial and Temporal Processing for Resource Efficient Multichannel Speech Enhancement
von: Pandey, Ashutosh, et al.
Veröffentlicht: (2024)

On the Importance of Neural Wiener Filter for Resource Efficient Multichannel Speech Enhancement
von: Hsieh, Tsun-An, et al.
Veröffentlicht: (2024)

Leveraging Joint Spectral and Spatial Learning with MAMBA for Multichannel Speech Enhancement
von: Ren, Wenze, et al.
Veröffentlicht: (2024)

Multichannel Long-Term Streaming Neural Speech Enhancement for Static and Moving Speakers
von: Quan, Changsheng, et al.
Veröffentlicht: (2024)

Mel-McNet: A Mel-Scale Framework for Online Multichannel Speech Enhancement
von: Yang, Yujie, et al.
Veröffentlicht: (2025)

A benchmark of state-of-the-art sound event detection systems evaluated on synthetic soundscapes
von: Ronchini, Francesca, et al.
Veröffentlicht: (2022)

Energy Consumption Trends in Sound Event Detection Systems
von: Douwes, Constance, et al.
Veröffentlicht: (2024)

Domain-Invariant Representation Learning of Bird Sounds
von: Moummad, Ilyass, et al.
Veröffentlicht: (2024)

Tracking of Intermittent and Moving Speakers : Dataset and Metrics
von: Iatariene, Taous, et al.
Veröffentlicht: (2025)

Prosody Labeling with Phoneme-BERT and Speech Foundation Models
von: Koriyama, Tomoki
Veröffentlicht: (2025)

Phoneme-Level Analysis for Person-of-Interest Speech Deepfake Detection
von: Salvi, Davide, et al.
Veröffentlicht: (2025)

LABNet: A Lightweight Attentive Beamforming Network for Ad-hoc Multichannel Microphone Invariant Real-Time Speech Enhancement
von: Yan, Haoyin, et al.
Veröffentlicht: (2025)

Multichannel AV-wav2vec2: A Framework for Learning Multichannel Multi-Modal Speech Representation
von: Zhu, Qiushi, et al.
Veröffentlicht: (2024)

Latent Watermarking of Audio Generative Models
von: Roman, Robin San, et al.
Veröffentlicht: (2024)

A decade of DCASE: Achievements, practices, evaluations and future challenges
von: Mesaros, Annamaria, et al.
Veröffentlicht: (2024)

Self-Supervised Learning for Few-Shot Bird Sound Classification
von: Moummad, Ilyass, et al.
Veröffentlicht: (2023)

Regularized Contrastive Pre-training for Few-shot Bioacoustic Sound Detection
von: Moummad, Ilyass, et al.
Veröffentlicht: (2023)

Scale This, Not That: Investigating Key Dataset Attributes for Efficient Speech Enhancement Scaling
von: Zhang, Leying, et al.
Veröffentlicht: (2024)

Objective and Subjective Evaluation of Diffusion-Based Speech Enhancement for Dysarthric Speech
von: de Groot, Dimme, et al.
Veröffentlicht: (2025)

RelUNet: Relative Channel Fusion U-Net for Multichannel Speech Enhancement
von: Aldarmaki, Ibrahim, et al.
Veröffentlicht: (2024)

Joint Speaker Features Learning for Audio-visual Multichannel Speech Separation and Recognition
von: Li, Guinan, et al.
Veröffentlicht: (2024)

Less is More: Data Curation Matters in Scaling Speech Enhancement
von: Li, Chenda, et al.
Veröffentlicht: (2025)

Evaluating Speech Enhancement Systems Through Listening Effort
von: Gelderblom, Femke B., et al.
Veröffentlicht: (2024)

Description and analysis of novelties introduced in DCASE Task 4 2022 on the baseline system
von: Ronchini, Francesca, et al.
Veröffentlicht: (2022)

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

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

The impact of non-target events in synthetic soundscapes for sound event detection
von: Ronchini, Francesca, et al.
Veröffentlicht: (2021)

DCASE 2024 Task 4: Sound Event Detection with Heterogeneous Data and Missing Labels
von: Cornell, Samuele, et al.
Veröffentlicht: (2024)

Plugin Speech Enhancement: A Universal Speech Enhancement Framework Inspired by Dynamic Neural Network
von: Chen, Yanan, et al.
Veröffentlicht: (2024)

Diffusion-based Speech Enhancement with Schrödinger Bridge and Symmetric Noise Schedule
von: Wang, Siyi, et al.
Veröffentlicht: (2024)

Robust Speech Recognition with Schrödinger Bridge-Based Speech Enhancement
von: Nasretdinov, Rauf, et al.
Veröffentlicht: (2025)

Absorbing Discrete Diffusion for Speech Enhancement
von: Gonzalez, Philippe
Veröffentlicht: (2026)

Multichannel Keyword Spotting for Noisy Conditions
von: Saladukha, Dzmitry, et al.
Veröffentlicht: (2025)

Advancing Electrolaryngeal Speech Enhancement Through Speech-Text Representation Learning
von: Ma, Ding, et al.
Veröffentlicht: (2026)

Mixture of Mixups for Multi-label Classification of Rare Anuran Sounds
von: Moummad, Ilyass, et al.
Veröffentlicht: (2024)