Technical report: Impact of Duration Prediction on Speaker-specific TTS for Indian Languages
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Pandey, Isha, Gaikwad, Pranav, Parulekar, Amruta, Ramakrishnan, Ganesh |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
A2TTS: TTS for Low Resource Indian Languages
par: Bhadoriya, Ayush Singh, et autres
Publié: (2025)
par: Bhadoriya, Ayush Singh, et autres
Publié: (2025)
LASER: An LLM-based ASR Scoring and Evaluation Rubric
par: Parulekar, Amruta, et autres
Publié: (2025)
par: Parulekar, Amruta, et autres
Publié: (2025)
AMPS: ASR with Multimodal Paraphrase Supervision
par: Gupta, Abhishek, et autres
Publié: (2024)
par: Gupta, Abhishek, et autres
Publié: (2024)
Parameter-efficient Adaptation of Multilingual Multimodal Models for Low-resource ASR
par: Gupta, Abhishek, et autres
Publié: (2024)
par: Gupta, Abhishek, et autres
Publié: (2024)
Adversarial Training of Denoising Diffusion Model Using Dual Discriminators for High-Fidelity Multi-Speaker TTS
par: Ko, Myeongjin, et autres
Publié: (2023)
par: Ko, Myeongjin, et autres
Publié: (2023)
Scaling NVIDIA's Multi-speaker Multi-lingual TTS Systems with Zero-Shot TTS to Indic Languages
par: Arora, Akshit, et autres
Publié: (2024)
par: Arora, Akshit, et autres
Publié: (2024)
"I am bad": Interpreting Stealthy, Universal and Robust Audio Jailbreaks in Audio-Language Models
par: Gupta, Isha, et autres
Publié: (2025)
par: Gupta, Isha, et autres
Publié: (2025)
Improving the Speaker Anonymization Evaluation's Robustness to Target Speakers with Adversarial Learning
par: Franzreb, Carlos, et autres
Publié: (2025)
par: Franzreb, Carlos, et autres
Publié: (2025)
TTS-1 Technical Report
par: Atamanenko, Oleg, et autres
Publié: (2025)
par: Atamanenko, Oleg, et autres
Publié: (2025)
Speech Rhythm-Based Speaker Embeddings Extraction from Phonemes and Phoneme Duration for Multi-Speaker Speech Synthesis
par: Fujita, Kenichi, et autres
Publié: (2024)
par: Fujita, Kenichi, et autres
Publié: (2024)
Compact Neural TTS Voices for Accessibility
par: Jain, Kunal, et autres
Publié: (2025)
par: Jain, Kunal, et autres
Publié: (2025)
Rethinking Speaker Embeddings for Speech Generation: Sub-Center Modeling for Capturing Intra-Speaker Diversity
par: Ulgen, Ismail Rasim, et autres
Publié: (2024)
par: Ulgen, Ismail Rasim, et autres
Publié: (2024)
Language Modelling for Speaker Diarization in Telephonic Interviews
par: India, Miquel, et autres
Publié: (2025)
par: India, Miquel, et autres
Publié: (2025)
Exploring speech style spaces with language models: Emotional TTS without emotion labels
par: Chandra, Shreeram Suresh, et autres
Publié: (2024)
par: Chandra, Shreeram Suresh, et autres
Publié: (2024)
EmergentTTS-Eval: Evaluating TTS Models on Complex Prosodic, Expressiveness, and Linguistic Challenges Using Model-as-a-Judge
par: Manku, Ruskin Raj, et autres
Publié: (2025)
par: Manku, Ruskin Raj, et autres
Publié: (2025)
Score-Based Training for Energy-Based TTS Models
par: Sun, Wanli, et autres
Publié: (2025)
par: Sun, Wanli, et autres
Publié: (2025)
T5Gemma-TTS Technical Report
par: Arata, Chihiro, et autres
Publié: (2026)
par: Arata, Chihiro, et autres
Publié: (2026)
LibriTTS-P: A Corpus with Speaking Style and Speaker Identity Prompts for Text-to-Speech and Style Captioning
par: Kawamura, Masaya, et autres
Publié: (2024)
par: Kawamura, Masaya, et autres
Publié: (2024)
Adversarial Speaker Distillation for Countermeasure Model on Automatic Speaker Verification
par: Liao, Yen-Lun, et autres
Publié: (2022)
par: Liao, Yen-Lun, et autres
Publié: (2022)
Adversarial training of Keyword Spotting to Minimize TTS Data Overfitting
par: Park, Hyun Jin, et autres
Publié: (2024)
par: Park, Hyun Jin, et autres
Publié: (2024)
Experimenting with Additive Margins for Contrastive Self-Supervised Speaker Verification
par: Lepage, Theo, et autres
Publié: (2023)
par: Lepage, Theo, et autres
Publié: (2023)
DiarizationLM: Speaker Diarization Post-Processing with Large Language Models
par: Wang, Quan, et autres
Publié: (2024)
par: Wang, Quan, et autres
Publié: (2024)
TSELM: Target Speaker Extraction using Discrete Tokens and Language Models
par: Tang, Beilong, et autres
Publié: (2024)
par: Tang, Beilong, et autres
Publié: (2024)
HiddenSpeaker: Generate Imperceptible Unlearnable Audios for Speaker Verification System
par: Zhang, Zhisheng, et autres
Publié: (2024)
par: Zhang, Zhisheng, et autres
Publié: (2024)
UmbraTTS: Adapting Text-to-Speech to Environmental Contexts with Flow Matching
par: Glazer, Neta, et autres
Publié: (2025)
par: Glazer, Neta, et autres
Publié: (2025)
SupertonicTTS: Towards Highly Efficient and Streamlined Text-to-Speech System
par: Kim, Hyeongju, et autres
Publié: (2025)
par: Kim, Hyeongju, et autres
Publié: (2025)
Utilizing TTS Synthesized Data for Efficient Development of Keyword Spotting Model
par: Park, Hyun Jin, et autres
Publié: (2024)
par: Park, Hyun Jin, et autres
Publié: (2024)
Enhancing Zero-Shot Multi-Speaker TTS with Negated Speaker Representations
par: Jeon, Yejin, et autres
Publié: (2024)
par: Jeon, Yejin, et autres
Publié: (2024)
FNH-TTS: Mixture-of-Experts Duration Modeling for Robust Neural Speech Synthesis
par: Meng, Qingliang, et autres
Publié: (2025)
par: Meng, Qingliang, et autres
Publié: (2025)
Privacy versus Emotion Preservation Trade-offs in Emotion-Preserving Speaker Anonymization
par: Cai, Zexin, et autres
Publié: (2024)
par: Cai, Zexin, et autres
Publié: (2024)
EM-TTS: Efficiently Trained Low-Resource Mongolian Lightweight Text-to-Speech
par: Liang, Ziqi, et autres
Publié: (2024)
par: Liang, Ziqi, et autres
Publié: (2024)
Source -Free Domain Adaptation for Speaker Verification in Data-Scarce Languages and Noisy Channels
par: Elia, Shlomo Salo, et autres
Publié: (2024)
par: Elia, Shlomo Salo, et autres
Publié: (2024)
Text-to-Speech for Unseen Speakers via Low-Complexity Discrete Unit-Based Frame Selection
par: Ulgen, Ismail Rasim, et autres
Publié: (2024)
par: Ulgen, Ismail Rasim, et autres
Publié: (2024)
Training Universal Vocoders with Feature Smoothing-Based Augmentation Methods for High-Quality TTS Systems
par: Liu, Jeongmin, et autres
Publié: (2024)
par: Liu, Jeongmin, et autres
Publié: (2024)
Enhancing Out-of-Vocabulary Performance of Indian TTS Systems for Practical Applications through Low-Effort Data Strategies
par: Anand, Srija, et autres
Publié: (2024)
par: Anand, Srija, et autres
Publié: (2024)
Robustness of Speech Separation Models for Similar-pitch Speakers
par: Lay, Bunlong, et autres
Publié: (2024)
par: Lay, Bunlong, et autres
Publié: (2024)
Multi-Stage Speaker Diarization for Noisy Classrooms
par: Khan, Ali Sartaz, et autres
Publié: (2025)
par: Khan, Ali Sartaz, et autres
Publié: (2025)
Adversarial Data Augmentation for Robust Speaker Verification
par: Zhou, Zhenyu, et autres
Publié: (2024)
par: Zhou, Zhenyu, et autres
Publié: (2024)
Investigating Confidence Estimation Measures for Speaker Diarization
par: Chowdhury, Anurag, et autres
Publié: (2024)
par: Chowdhury, Anurag, et autres
Publié: (2024)
Cosine Scoring with Uncertainty for Neural Speaker Embedding
par: Wang, Qiongqiong, et autres
Publié: (2024)
par: Wang, Qiongqiong, et autres
Publié: (2024)
Documents similaires
-
A2TTS: TTS for Low Resource Indian Languages
par: Bhadoriya, Ayush Singh, et autres
Publié: (2025) -
LASER: An LLM-based ASR Scoring and Evaluation Rubric
par: Parulekar, Amruta, et autres
Publié: (2025) -
AMPS: ASR with Multimodal Paraphrase Supervision
par: Gupta, Abhishek, et autres
Publié: (2024) -
Parameter-efficient Adaptation of Multilingual Multimodal Models for Low-resource ASR
par: Gupta, Abhishek, et autres
Publié: (2024) -
Adversarial Training of Denoising Diffusion Model Using Dual Discriminators for High-Fidelity Multi-Speaker TTS
par: Ko, Myeongjin, et autres
Publié: (2023)