Buchumschlag

SLASH: Self-Supervised Speech Pitch Estimation Leveraging DSP-derived Absolute Pitch

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Terashima, Ryo, Shirahata, Yuma, Kawamura, Masaya
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Wave-Trainer-Fit: Neural Vocoder with Trainable Prior and Fixed-Point Iteration towards High-Quality Speech Generation from SSL features
von: Ohnaka, Hien, et al.
Veröffentlicht: (2026)

BitTTS: Highly Compact Text-to-Speech Using 1.58-bit Quantization and Weight Indexing
von: Kawamura, Masaya, et al.
Veröffentlicht: (2025)

Noise-Robust DSP-Assisted Neural Pitch Estimation with Very Low Complexity
von: Subramani, Krishna, et al.
Veröffentlicht: (2023)

Description-based Controllable Text-to-Speech with Cross-Lingual Voice Control
von: Yamamoto, Ryuichi, et al.
Veröffentlicht: (2024)

Toward Fully Self-Supervised Multi-Pitch Estimation
von: Cwitkowitz, Frank, et al.
Veröffentlicht: (2024)

LibriTTS-P: A Corpus with Speaking Style and Speaker Identity Prompts for Text-to-Speech and Style Captioning
von: Kawamura, Masaya, et al.
Veröffentlicht: (2024)

Investigating an Overfitting and Degeneration Phenomenon in Self-Supervised Multi-Pitch Estimation
von: Cwitkowitz, Frank, et al.
Veröffentlicht: (2025)

PESTO: Pitch Estimation with Self-supervised Transposition-equivariant Objective
von: Riou, Alain, et al.
Veröffentlicht: (2023)

Disentangling Pitch and Creak for Speaker Identity Preservation in Speech Synthesis
von: Rautenberg, Frederik, et al.
Veröffentlicht: (2026)

CC-G2PnP: Streaming Grapheme-to-Phoneme and prosody with Conformer-CTC for unsegmented languages
von: Shirahata, Yuma, et al.
Veröffentlicht: (2026)

Comparative Analysis of Fast and High-Fidelity Neural Vocoders for Low-Latency Streaming Synthesis in Resource-Constrained Environments
von: Yoneyama, Reo, et al.
Veröffentlicht: (2025)

Improving Neural Pitch Estimation with SWIPE Kernels
von: Marttila, David, et al.
Veröffentlicht: (2025)

Cross-domain Neural Pitch and Periodicity Estimation
von: Morrison, Max, et al.
Veröffentlicht: (2023)

Translation-Equivariant Self-Supervised Learning for Pitch Estimation with Optimal Transport
von: Torres, Bernardo, et al.
Veröffentlicht: (2025)

Universal Score-based Speech Enhancement with High Content Preservation
von: Scheibler, Robin, et al.
Veröffentlicht: (2024)

Very Low Complexity Speech Synthesis Using Framewise Autoregressive GAN (FARGAN) with Pitch Prediction
von: Valin, Jean-Marc, et al.
Veröffentlicht: (2024)

Harmonic Summation-Based Robust Pitch Estimation in Noisy and Reverberant Environments
von: Singh, Anup, et al.
Veröffentlicht: (2025)

RMVPE: A Robust Model for Vocal Pitch Estimation in Polyphonic Music
von: Wei, Haojie, et al.
Veröffentlicht: (2023)

MF-PAM: Accurate Pitch Estimation through Periodicity Analysis and Multi-level Feature Fusion
von: Chung, Woo-Jin, et al.
Veröffentlicht: (2023)

A Lightweight Slot-Attention Framework for Multi-Instrument Multi-Pitch Estimation
von: Taenzer, Michael
Veröffentlicht: (2026)

Pitch Accent Detection improves Pretrained Automatic Speech Recognition
von: Sasu, David, et al.
Veröffentlicht: (2025)

Robust Pitch Estimation and Tracking for Speakers Based on Subband Encoding and the Generalized Labeled Multi-Bernoulli Filter
von: Lin, Shoufeng
Veröffentlicht: (2026)

Audio-conditioned phonemic and prosodic annotation for building text-to-speech models from unlabeled speech data
von: Shirahata, Yuma, et al.
Veröffentlicht: (2024)

CONTUNER: Singing Voice Beautifying with Pitch and Expressiveness Condition
von: Wang, Jianzong, et al.
Veröffentlicht: (2024)

Incremental FastPitch: Chunk-based High Quality Text to Speech
von: Du, Muyang, et al.
Veröffentlicht: (2024)

Arabic TTS with FastPitch: Reproducible Baselines, Adversarial Training, and Oversmoothing Analysis
von: Nippert, Lars
Veröffentlicht: (2025)

Grapheme-Coherent Phonemic and Prosodic Annotation of Speech by Implicit and Explicit Grapheme Conditioning
von: Ohnaka, Hien, et al.
Veröffentlicht: (2025)

Pitch Estimation With Mean Averaging Smoothed Product Spectrum And Musical Consonance Evaluation Using MASP
von: Baskin, Murat Yasar
Veröffentlicht: (2025)

DJCM: A Deep Joint Cascade Model for Singing Voice Separation and Vocal Pitch Estimation
von: Wei, Haojie, et al.
Veröffentlicht: (2024)

Decoding Speaker-Normalized Pitch from EEG for Mandarin Perception
von: Chen, Jiaxin, et al.
Veröffentlicht: (2025)

Periodicity Pitch Detection in Complex Harmonies on EEG Timeline Data
von: Heinze, Maria, et al.
Veröffentlicht: (2020)

Neurodyne: Neural Pitch Manipulation with Representation Learning and Cycle-Consistency GAN
von: Gu, Yicheng, et al.
Veröffentlicht: (2025)

Engraving Oriented Joint Estimation of Pitch Spelling and Local and Global Keys
von: Bouquillard, Augustin, et al.
Veröffentlicht: (2024)

Efficient training strategies for natural sounding speech synthesis and speaker adaptation based on FastPitch
von: Răgman, Teodora, et al.
Veröffentlicht: (2024)

SPA-SVC: Self-supervised Pitch Augmentation for Singing Voice Conversion
von: Bai, Bingsong, et al.
Veröffentlicht: (2024)

Enhancing Expressive Voice Conversion with Discrete Pitch-Conditioned Flow Matching Model
von: Zuo, Jialong, et al.
Veröffentlicht: (2025)

Adversarial Multi-Task Learning for Disentangling Timbre and Pitch in Singing Voice Synthesis
von: Kim, Tae-Woo, et al.
Veröffentlicht: (2022)

TSE-PI: Target Sound Extraction under Reverberant Environments with Pitch Information
von: Wang, Yiwen, et al.
Veröffentlicht: (2024)

Pitch-and-Spectrum-Aware Singing Quality Assessment with Bias Correction and Model Fusion
von: Shi, Yu-Fei, et al.
Veröffentlicht: (2024)

PESTO: Real-Time Pitch Estimation with Self-supervised Transposition-equivariant Objective
von: Riou, Alain, et al.
Veröffentlicht: (2025)