Buchumschlag

Real-time speech enhancement in noise for throat microphone using neural audio codec as foundation model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hauret, Julien, Joubaud, Thomas, Bavu, Éric
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

EBEN: Extreme bandwidth extension network applied to speech signals captured with noise-resilient body-conduction microphones
von: Hauret, Julien, et al.
Veröffentlicht: (2022)

Configurable EBEN: Extreme Bandwidth Extension Network to enhance body-conducted speech capture
von: Hauret, Julien, et al.
Veröffentlicht: (2023)

French Listening Tests for the Assessment of Intelligibility, Quality, and Identity of Body-Conducted Speech Enhancement
von: Joubaud, Thomas, et al.
Veröffentlicht: (2025)

Bringing Interpretability to Neural Audio Codecs
von: Sadok, Samir, et al.
Veröffentlicht: (2025)

Vibravox: A Dataset of French Speech Captured with Body-conduction Audio Sensors
von: Hauret, Julien, et al.
Veröffentlicht: (2024)

Modeling strategies for speech enhancement in the latent space of a neural audio codec
von: Kammoun, Sofiene, et al.
Veröffentlicht: (2025)

Assessing speech quality metrics for evaluation of neural audio codecs under clean speech conditions
von: Mack, Wolfgang, et al.
Veröffentlicht: (2025)

Speaker anonymization using neural audio codec language models
von: Panariello, Michele, et al.
Veröffentlicht: (2023)

LDCodec: A high quality neural audio codec with low-complexity decoder
von: Jiang, Jiawei, et al.
Veröffentlicht: (2025)

Codec-SUPERB @ SLT 2024: A lightweight benchmark for neural audio codec models
von: Wu, Haibin, et al.
Veröffentlicht: (2024)

FreeCodec: A disentangled neural speech codec with fewer tokens
von: Zheng, Youqiang, et al.
Veröffentlicht: (2024)

PitchFlower: A flow-based neural audio codec with pitch controllability
von: Torres, Diego, et al.
Veröffentlicht: (2025)

EnCodecMAE: Leveraging neural codecs for universal audio representation learning
von: Pepino, Leonardo, et al.
Veröffentlicht: (2023)

Effects of automotive microphone frequency response characteristics and noise conditions on speech and ASR quality -- an experimental evaluation
von: Buccoli, Michele, et al.
Veröffentlicht: (2025)

WhisperFlow: speech foundation models in real time
von: Wang, Rongxiang, et al.
Veröffentlicht: (2024)

A circular microphone array with virtual microphones based on acoustics-informed neural networks
von: Zhao, Sipei, et al.
Veröffentlicht: (2024)

An automatic mixing speech enhancement system for multi-track audio
von: Liu, Xiaojing, et al.
Veröffentlicht: (2024)

GDiffuSE: Diffusion-based speech enhancement with noise model guidance
von: Yanir, Efrayim, et al.
Veröffentlicht: (2025)

Towards noise-robust speech inversion through multi-task learning with speech enhancement
von: Tabatabaee, Saba, et al.
Veröffentlicht: (2026)

Probing mental health information in speech foundation models
von: de Gennes, Marc, et al.
Veröffentlicht: (2024)

Online incremental learning for audio classification using a pretrained audio model
von: Mulimani, Manjunath, et al.
Veröffentlicht: (2025)

Toward noise-robust whisper keyword spotting on headphones with in-earcup microphone and curriculum learning
von: Yang, Qiaoyu
Veröffentlicht: (2025)

WavJEPA: Semantic learning unlocks robust audio foundation models for raw waveforms
von: Yuksel, Goksenin, et al.
Veröffentlicht: (2025)

Spatially constrained vs. unconstrained filtering in neural spatiospectral filters for multichannel speech enhancement
von: Briegleb, Annika, et al.
Veröffentlicht: (2024)

An adaptive filter bank based neural network approach for time delay estimation and speech enhancement
von: Ma, Lu
Veröffentlicht: (2025)

An interpretable speech foundation model for depression detection by revealing prediction-relevant acoustic features from long speech
von: Deng, Qingkun, et al.
Veröffentlicht: (2024)

Real-time implementation of vibrato transfer as an audio effect
von: Hyrkas, Jeremy
Veröffentlicht: (2025)

Predicting speech intelligibility in older adults for speech enhancement using the Gammachirp Envelope Similarity Index, GESI
von: Yamamoto, Ayako, et al.
Veröffentlicht: (2025)

The role of audio-visual integration in the time course of phonetic encoding in self-supervised speech models
von: Wang, Yi, et al.
Veröffentlicht: (2025)

Enhancement by postfiltering for speech and audio coding in ad-hoc sensor networks
von: Das, Sneha, et al.
Veröffentlicht: (2020)

FlowDec: A flow-based full-band general audio codec with high perceptual quality
von: Welker, Simon, et al.
Veröffentlicht: (2025)

A framework for diffuseness evaluation using a tight-frame microphone array configuration
von: Omoto, Akira
Veröffentlicht: (2025)

Head-steered channel selection method for hearing aid applications using remote microphones
von: Sathyapriyan, Vasudha, et al.
Veröffentlicht: (2025)

Listening broadband physical model for microphones: a first step
von: Millot, Laurent, et al.
Veröffentlicht: (2024)

Sound field estimation with moving microphones using kernel ridge regression
von: Brunnström, Jesper, et al.
Veröffentlicht: (2025)

Single-channel speech enhancement by using psychoacoustical model inspired fusion framework
von: Samui, Suman
Veröffentlicht: (2022)

DynamicSound simulator for simulating moving sources and microphone arrays
von: Barbisan, Luca, et al.
Veröffentlicht: (2026)

Can large audio language models understand child stuttering speech? speech summarization, and source separation
von: Okocha, Chibuzor, et al.
Veröffentlicht: (2025)

Lightweight speech enhancement guided target speech extraction in noisy multi-speaker scenarios
von: Huang, Ziling, et al.
Veröffentlicht: (2025)

Kernel ridge regression based sound field estimation using a rigid spherical microphone array
von: Matsuda, Ryo, et al.
Veröffentlicht: (2025)