Buchumschlag

A High-Fidelity Speech Super Resolution Network using a Complex Global Attention Module with Spectro-Temporal Loss

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tamiti, Tarikul Islam, Joshi, Biraj, Hasan, Rida, Hasan, Rashedul, Athay, Taieba, Mamun, Nursad, Barua, Anomadarshi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Sound Artificial Intelligence Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

WaLi: Can Pressure Sensors in HVAC Systems Capture Human Speech?
von: Tamiti, Tarikul Islam, et al.
Veröffentlicht: (2025)

CIS-BWE: Chaos-Informed Speech Bandwidth Extension
von: Tamiti, Tarikul Islam, et al.
Veröffentlicht: (2025)

HVAC-EAR: Eavesdropping Human Speech Using HVAC Systems
von: Tamiti, Tarikul Islam, et al.
Veröffentlicht: (2025)

SUBARU: A Practical Approach to Power Saving in Hearables Using SUB-Nyquist Audio Resolution Upsampling
von: Tamiti, Tarikul Islam, et al.
Veröffentlicht: (2025)

EmoFormer: A Text-Independent Speech Emotion Recognition using a Hybrid Transformer-CNN model
von: Hasan, Rashedul, et al.
Veröffentlicht: (2025)

NLDSI-BWE: Non Linear Dynamical Systems-Inspired Multi Resolution Discriminators for Speech Bandwidth Extension
von: Tamiti, Tarikul Islam, et al.
Veröffentlicht: (2025)

EmoTech: A Multi-modal Speech Emotion Recognition Using Multi-source Low-level Information with Hybrid Recurrent Network
von: Avro, Shamin Bin Habib, et al.
Veröffentlicht: (2025)

BiCrossMamba-ST: Speech Deepfake Detection with Bidirectional Mamba Spectro-Temporal Cross-Attention
von: Kheir, Yassine El, et al.
Veröffentlicht: (2025)

STSR: High-Fidelity Speech Super-Resolution via Spectral-Transient Context Modeling
von: Yuan, Jiajun, et al.
Veröffentlicht: (2025)

Leveraging the Potential of Prompt Engineering for Hate Speech Detection in Low-Resource Languages
von: Prome, Ruhina Tabasshum, et al.
Veröffentlicht: (2025)

A Fly on the Wall -- Exploiting Acoustic Side-Channels in Differential Pressure Sensors
von: Achamyeleh, Yonatan Gizachew, et al.
Veröffentlicht: (2024)

DAT-CFTNet: Speech Enhancement for Cochlear Implant Recipients using Attention-based Dual-Path Recurrent Neural Network
von: Mamun, Nursadul, et al.
Veröffentlicht: (2026)

HiFi-SR: A Unified Generative Transformer-Convolutional Adversarial Network for High-Fidelity Speech Super-Resolution
von: Zhao, Shengkui, et al.
Veröffentlicht: (2025)

Cochleagram-based Noise Adapted Speaker Identification System for Distorted Speech
von: Ahmed, Sabbir, et al.
Veröffentlicht: (2025)

A Self-Attention-Driven Deep Denoiser Model for Real Time Lung Sound Denoising in Noisy Environments
von: Shuvo, Samiul Based, et al.
Veröffentlicht: (2024)

Fusion of Modulation Spectrogram and SSL with Multi-head Attention for Fake Speech Detection
von: N, Rishith Sadashiv T, et al.
Veröffentlicht: (2025)

Monaural Speech Enhancement with Complex Convolutional Block Attention Module and Joint Time Frequency Losses
von: Zhao, Shengkui, et al.
Veröffentlicht: (2021)

Synthetic Speech Classification: IEEE Signal Processing Cup 2022 challenge
von: Rahmun, Mahieyin, et al.
Veröffentlicht: (2024)

IR-UWB Radar-Based Contactless Silent Speech Recognition with Attention-Enhanced Temporal Convolutional Networks
von: Lee, Sunghwa, et al.
Veröffentlicht: (2025)

Conditioning and Sampling in Variational Diffusion Models for Speech Super-Resolution
von: Yu, Chin-Yun, et al.
Veröffentlicht: (2022)

SenSE: Semantic-Aware High-Fidelity Universal Speech Enhancement
von: Li, Xingchen, et al.
Veröffentlicht: (2025)

SAGA-SR: Semantically and Acoustically Guided Audio Super-Resolution
von: Im, Jaekwon, et al.
Veröffentlicht: (2025)

Modeling Multi-Level Hearing Loss for Speech Intelligibility Prediction
von: Zhou, Xiajie, et al.
Veröffentlicht: (2025)

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

MobileSpeech: A Fast and High-Fidelity Framework for Mobile Zero-Shot Text-to-Speech
von: Ji, Shengpeng, et al.
Veröffentlicht: (2024)

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

Multi-Scale Temporal Transformer For Speech Emotion Recognition
von: Li, Zhipeng, et al.
Veröffentlicht: (2024)

High-Fidelity Simultaneous Speech-To-Speech Translation
von: Labiausse, Tom, et al.
Veröffentlicht: (2025)

FiPA-SR -- FiLM-Conditioned Perceptually Informed Audio Super-Resolution
von: Abreu, Wallace, et al.
Veröffentlicht: (2026)

How Attention Shapes Emotion: A Comparative Study of Attention Mechanisms for Speech Emotion Recognition
von: Casals-Salvador, Marc, et al.
Veröffentlicht: (2026)

Combined Generative and Predictive Modeling for Speech Super-resolution
von: Wang, Heming, et al.
Veröffentlicht: (2024)

Using Speech Foundational Models in Loss Functions for Hearing Aid Speech Enhancement
von: Sutherland, Robert, et al.
Veröffentlicht: (2024)

Multimodal Representation Loss Between Timed Text and Audio for Regularized Speech Separation
von: Hsieh, Tsun-An, et al.
Veröffentlicht: (2024)

A Joint Spectro-Temporal Relational Thinking Based Acoustic Modeling Framework
von: Nan, Zheng, et al.
Veröffentlicht: (2024)

High Fidelity Text-to-Speech Via Discrete Tokens Using Token Transducer and Group Masked Language Model
von: Lee, Joun Yeop, et al.
Veröffentlicht: (2024)

Multi-Teacher Language-Aware Knowledge Distillation for Multilingual Speech Emotion Recognition
von: Bijoy, Mehedi Hasan, et al.
Veröffentlicht: (2025)

Wave-U-Mamba: An End-To-End Framework For High-Quality And Efficient Speech Super Resolution
von: Lee, Yongjoon, et al.
Veröffentlicht: (2024)

Decoding Speech Envelopes from Electroencephalogram with a Contrastive Pearson Correlation Coefficient Loss
von: Liang, Yayun, et al.
Veröffentlicht: (2026)

AMDM-SE: Attention-based Multichannel Diffusion Model for Speech Enhancement
von: Opochinsky, Renana, et al.
Veröffentlicht: (2026)

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