Buchumschlag

Voice Pathology Detection Using Phonation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Siva, Sri Raksha, Suthahar, Nived, Boominathan, Prakash, Ranjan, Uma
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Sound Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Robust Active Speaker Detection in Noisy Environments
von: Vasireddy, Siva Sai Nagender, et al.
Veröffentlicht: (2024)

Training-Free Deepfake Voice Recognition by Leveraging Large-Scale Pre-Trained Models
von: Pianese, Alessandro, et al.
Veröffentlicht: (2024)

Face2VoiceSync: Lightweight Face-Voice Consistency for Text-Driven Talking Face Generation
von: Kang, Fang, et al.
Veröffentlicht: (2025)

ECHO: Environmental Sound Classification with Hierarchical Ontology-guided Semi-Supervised Learning
von: Gupta, Pranav, et al.
Veröffentlicht: (2024)

Novel-View Acoustic Synthesis from 3D Reconstructed Rooms
von: Ahn, Byeongjoo, et al.
Veröffentlicht: (2023)

From Detection to Correction: Backdoor-Resilient Face Recognition via Vision-Language Trigger Detection and Noise-Based Neutralization
von: Wahida, Farah, et al.
Veröffentlicht: (2025)

Spectrogram-Based Detection of Auto-Tuned Vocals in Music Recordings
von: Gohari, Mahyar, et al.
Veröffentlicht: (2024)

Pindrop it! Audio and Visual Deepfake Countermeasures for Robust Detection and Fine Grained-Localization
von: Klein, Nicholas, et al.
Veröffentlicht: (2025)

SoundCam: A Dataset for Finding Humans Using Room Acoustics
von: Wang, Mason, et al.
Veröffentlicht: (2023)

Emotional Vietnamese Speech-Based Depression Diagnosis Using Dynamic Attention Mechanism
von: D., Quang-Anh N., et al.
Veröffentlicht: (2024)

FlowDubber: Movie Dubbing with LLM-based Semantic-aware Learning and Flow Matching based Voice Enhancing
von: Cong, Gaoxiang, et al.
Veröffentlicht: (2025)

SwinLip: An Efficient Visual Speech Encoder for Lip Reading Using Swin Transformer
von: Park, Young-Hu, et al.
Veröffentlicht: (2025)

Robust Persian Digit Recognition in Noisy Environments Using Hybrid CNN-BiGRU Model
von: Nasr-Esfahani, Ali, et al.
Veröffentlicht: (2024)

ExpGest: Expressive Speaker Generation Using Diffusion Model and Hybrid Audio-Text Guidance
von: Cheng, Yongkang, et al.
Veröffentlicht: (2024)

End-to-end Audio Deepfake Detection from RAW Waveforms: a RawNet-Based Approach with Cross-Dataset Evaluation
von: Di Pierno, Andrea, et al.
Veröffentlicht: (2025)

Better Spanish Emotion Recognition In-the-wild: Bringing Attention to Deep Spectrum Voice Analysis
von: Ortega-Beltrán, Elena, et al.
Veröffentlicht: (2024)

Open-Source Manually Annotated Vocal Tract Database for Automatic Segmentation from 3D MRI Using Deep Learning: Benchmarking 2D and 3D Convolutional and Transformer Networks
von: Erattakulangara, Subin, et al.
Veröffentlicht: (2025)

Training-Free Voice Conversion with Factorized Optimal Transport
von: Lobashev, Alexander, et al.
Veröffentlicht: (2025)

From Faces to Voices: Learning Hierarchical Representations for High-quality Video-to-Speech
von: Kim, Ji-Hoon, et al.
Veröffentlicht: (2025)

Benchmarking Cross-Domain Audio-Visual Deception Detection
von: Guo, Xiaobao, et al.
Veröffentlicht: (2024)

Detecting Audio-Visual Deepfakes with Fine-Grained Inconsistencies
von: Astrid, Marcella, et al.
Veröffentlicht: (2024)

AVFF: Audio-Visual Feature Fusion for Video Deepfake Detection
von: Oorloff, Trevine, et al.
Veröffentlicht: (2024)

pycnet-audio: A Python package to support bioacoustics data processing
von: Ruff, Zachary J., et al.
Veröffentlicht: (2025)

Seeing Speech and Sound: Distinguishing and Locating Audios in Visual Scenes
von: Ryu, Hyeonggon, et al.
Veröffentlicht: (2025)

Enhancing Dance-to-Music Generation via Negative Conditioning Latent Diffusion Model
von: Sun, Changchang, et al.
Veröffentlicht: (2025)

UWAV: Uncertainty-weighted Weakly-supervised Audio-Visual Video Parsing
von: Lai, Yung-Hsuan, et al.
Veröffentlicht: (2025)

HunyuanVideo-Foley: Multimodal Diffusion with Representation Alignment for High-Fidelity Foley Audio Generation
von: Shan, Sizhe, et al.
Veröffentlicht: (2025)

CCStereo: Audio-Visual Contextual and Contrastive Learning for Binaural Audio Generation
von: Chen, Yuanhong, et al.
Veröffentlicht: (2025)

JAM-Flow: Joint Audio-Motion Synthesis with Flow Matching
von: Kwon, Mingi, et al.
Veröffentlicht: (2025)

ZeroSep: Separate Anything in Audio with Zero Training
von: Huang, Chao, et al.
Veröffentlicht: (2025)

Towards Reliable Audio Deepfake Attribution and Model Recognition: A Multi-Level Autoencoder-Based Framework
von: Di Pierno, Andrea, et al.
Veröffentlicht: (2025)

As Good as It KAN Get: High-Fidelity Audio Representation
von: Marszałek, Patryk, et al.
Veröffentlicht: (2025)

UniCUE: Unified Recognition and Generation Framework for Chinese Cued Speech Video-to-Speech Generation
von: Wang, Jinting, et al.
Veröffentlicht: (2025)

NaturalL2S: End-to-End High-quality Multispeaker Lip-to-Speech Synthesis with Differential Digital Signal Processing
von: Liang, Yifan, et al.
Veröffentlicht: (2025)

Prosody-Enhanced Acoustic Pre-training and Acoustic-Disentangled Prosody Adapting for Movie Dubbing
von: Zhang, Zhedong, et al.
Veröffentlicht: (2025)

Improving Acoustic Scene Classification with City Features
von: Cai, Yiqiang, et al.
Veröffentlicht: (2025)

Wav2Sem: Plug-and-Play Audio Semantic Decoupling for 3D Speech-Driven Facial Animation
von: Li, Hao, et al.
Veröffentlicht: (2025)

FSSUAVL: A Discriminative Framework using Vision Models for Federated Self-Supervised Audio and Image Understanding
von: Rehman, Yasar Abbas Ur, et al.
Veröffentlicht: (2025)

VITA-1.5: Towards GPT-4o Level Real-Time Vision and Speech Interaction
von: Fu, Chaoyou, et al.
Veröffentlicht: (2025)

MoME: Mixture of Matryoshka Experts for Audio-Visual Speech Recognition
von: Cappellazzo, Umberto, et al.
Veröffentlicht: (2025)