Enhancing In-the-Wild Speech Emotion Conversion with Resynthesis-based Duration Modeling
Fuente:
arXiv
Salvato in:
| Autori principali: | Prabhu, Navin Raj, de Oliveira, Danilo, Lehmann-Willenbrock, Nale, Gerkmann, Timo |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
EMOCONV-DIFF: Diffusion-based Speech Emotion Conversion for Non-parallel and In-the-wild Data
di: Prabhu, Navin Raj, et al.
Pubblicazione: (2023)
di: Prabhu, Navin Raj, et al.
Pubblicazione: (2023)
Too Good to Be True: A Study on Modern Automatic Speech Recognition for the Evaluation of Speech Enhancement
di: de Oliveira, Danilo, et al.
Pubblicazione: (2026)
di: de Oliveira, Danilo, et al.
Pubblicazione: (2026)
Investigating Training Objectives for Generative Speech Enhancement
di: Richter, Julius, et al.
Pubblicazione: (2024)
di: Richter, Julius, et al.
Pubblicazione: (2024)
Are These Even Words? Quantifying the Gibberishness of Generative Speech Models
di: de Oliveira, Danilo, et al.
Pubblicazione: (2025)
di: de Oliveira, Danilo, et al.
Pubblicazione: (2025)
Do We Need EMA for Diffusion-Based Speech Enhancement? Toward a Magnitude-Preserving Network Architecture
di: Richter, Julius, et al.
Pubblicazione: (2025)
di: Richter, Julius, et al.
Pubblicazione: (2025)
LipDiffuser: Lip-to-Speech Generation with Conditional Diffusion Models
di: Richter, Julius, et al.
Pubblicazione: (2025)
di: Richter, Julius, et al.
Pubblicazione: (2025)
A Fast Solver for Interpolating Stochastic Differential Equation Diffusion Models for Speech Restoration
di: Lay, Bunlong, et al.
Pubblicazione: (2026)
di: Lay, Bunlong, et al.
Pubblicazione: (2026)
The PESQetarian: On the Relevance of Goodhart's Law for Speech Enhancement
di: de Oliveira, Danilo, et al.
Pubblicazione: (2024)
di: de Oliveira, Danilo, et al.
Pubblicazione: (2024)
An Analysis of the Variance of Diffusion-based Speech Enhancement
di: Lay, Bunlong, et al.
Pubblicazione: (2024)
di: Lay, Bunlong, et al.
Pubblicazione: (2024)
Non-intrusive Speech Quality Assessment with Diffusion Models Trained on Clean Speech
di: de Oliveira, Danilo, et al.
Pubblicazione: (2024)
di: de Oliveira, Danilo, et al.
Pubblicazione: (2024)
Diffusion Buffer: Online Diffusion-based Speech Enhancement with Sub-Second Latency
di: Lay, Bunlong, et al.
Pubblicazione: (2025)
di: Lay, Bunlong, et al.
Pubblicazione: (2025)
Multi-channel Speech Separation Using Spatially Selective Deep Non-linear Filters
di: Tesch, Kristina, et al.
Pubblicazione: (2023)
di: Tesch, Kristina, et al.
Pubblicazione: (2023)
Bone-conduction Guided Multimodal Speech Enhancement with Conditional Diffusion Models
di: Khanagha, Sina, et al.
Pubblicazione: (2026)
di: Khanagha, Sina, et al.
Pubblicazione: (2026)
Prosodically Enhanced Foreign Accent Simulation by Discrete Token-based Resynthesis Only with Native Speech Corpora
di: Onda, Kentaro, et al.
Pubblicazione: (2025)
di: Onda, Kentaro, et al.
Pubblicazione: (2025)
Dynamics of Collective Group Affect: Group-level Annotations and the Multimodal Modeling of Convergence and Divergence
di: Prabhu, Navin Raj, et al.
Pubblicazione: (2024)
di: Prabhu, Navin Raj, et al.
Pubblicazione: (2024)
Robustness of Speech Separation Models for Similar-pitch Speakers
di: Lay, Bunlong, et al.
Pubblicazione: (2024)
di: Lay, Bunlong, et al.
Pubblicazione: (2024)
An Analysis of Joint Nonlinear Spatial Filtering for Spatial Aliasing Reduction
di: Mannanova, Alina, et al.
Pubblicazione: (2025)
di: Mannanova, Alina, et al.
Pubblicazione: (2025)
Are Modern Speech Enhancement Systems Vulnerable to Adversarial Attacks?
di: Makarov, Rostislav, et al.
Pubblicazione: (2025)
di: Makarov, Rostislav, et al.
Pubblicazione: (2025)
StoRM: A Diffusion-based Stochastic Regeneration Model for Speech Enhancement and Dereverberation
di: Lemercier, Jean-Marie, et al.
Pubblicazione: (2022)
di: Lemercier, Jean-Marie, et al.
Pubblicazione: (2022)
Speech Enhancement and Dereverberation with Diffusion-based Generative Models
di: Richter, Julius, et al.
Pubblicazione: (2022)
di: Richter, Julius, et al.
Pubblicazione: (2022)
Total-Duration-Aware Duration Modeling for Text-to-Speech Systems
di: Eskimez, Sefik Emre, et al.
Pubblicazione: (2024)
di: Eskimez, Sefik Emre, et al.
Pubblicazione: (2024)
ReverbFX: A Dataset of Room Impulse Responses Derived from Reverb Effect Plugins for Singing Voice Dereverberation
di: Richter, Julius, et al.
Pubblicazione: (2025)
di: Richter, Julius, et al.
Pubblicazione: (2025)
Steering Deep Non-Linear Spatially Selective Filters for Weakly Guided Extraction of Moving Speakers in Dynamic Scenarios
di: Kienegger, Jakob, et al.
Pubblicazione: (2025)
di: Kienegger, Jakob, et al.
Pubblicazione: (2025)
Autoregressive Guidance of Deep Spatially Selective Filters using Bayesian Tracking for Efficient Extraction of Moving Speakers
di: Kienegger, Jakob, et al.
Pubblicazione: (2026)
di: Kienegger, Jakob, et al.
Pubblicazione: (2026)
Adaptive Rotary Steering with Joint Autoregression for Robust Extraction of Closely Moving Speakers in Dynamic Scenarios
di: Kienegger, Jakob, et al.
Pubblicazione: (2026)
di: Kienegger, Jakob, et al.
Pubblicazione: (2026)
SELM: Enhancing Speech Emotion Recognition for Out-of-Domain Scenarios
di: Bukhari, Hazim, et al.
Pubblicazione: (2024)
di: Bukhari, Hazim, et al.
Pubblicazione: (2024)
Diffusion Buffer for Online Generative Speech Enhancement
di: Lay, Bunlong, et al.
Pubblicazione: (2025)
di: Lay, Bunlong, et al.
Pubblicazione: (2025)
Lessons Learnt: Revisit Key Training Strategies for Effective Speech Emotion Recognition in the Wild
di: Tzeng, Jing-Tong, et al.
Pubblicazione: (2025)
di: Tzeng, Jing-Tong, et al.
Pubblicazione: (2025)
Conversational Speech Naturalness Predictor
di: Xu, Anfeng, et al.
Pubblicazione: (2026)
di: Xu, Anfeng, et al.
Pubblicazione: (2026)
Wind Noise Reduction with a Diffusion-based Stochastic Regeneration Model
di: Lemercier, Jean-Marie, et al.
Pubblicazione: (2023)
di: Lemercier, Jean-Marie, et al.
Pubblicazione: (2023)
Mask-Weighted Spatial Likelihood Coding for Speaker-Independent Joint Localization and Mask Estimation
di: Kienegger, Jakob, et al.
Pubblicazione: (2024)
di: Kienegger, Jakob, et al.
Pubblicazione: (2024)
FNH-TTS: Mixture-of-Experts Duration Modeling for Robust Neural Speech Synthesis
di: Meng, Qingliang, et al.
Pubblicazione: (2025)
di: Meng, Qingliang, et al.
Pubblicazione: (2025)
Real-Time Streaming Mel Vocoding with Generative Flow Matching
di: Welker, Simon, et al.
Pubblicazione: (2025)
di: Welker, Simon, et al.
Pubblicazione: (2025)
Few-shot Personalization via In-Context Learning for Speech Emotion Recognition based on Speech-Language Model
di: Ihori, Mana, et al.
Pubblicazione: (2025)
di: Ihori, Mana, et al.
Pubblicazione: (2025)
Single and Few-step Diffusion for Generative Speech Enhancement
di: Lay, Bunlong, et al.
Pubblicazione: (2023)
di: Lay, Bunlong, et al.
Pubblicazione: (2023)
Emotion-Aware Prefix: Towards Explicit Emotion Control in Voice Conversion Models
di: Yang, Haoyuan, et al.
Pubblicazione: (2026)
di: Yang, Haoyuan, et al.
Pubblicazione: (2026)
DubWise: Video-Guided Speech Duration Control in Multimodal LLM-based Text-to-Speech for Dubbing
di: Sahipjohn, Neha, et al.
Pubblicazione: (2024)
di: Sahipjohn, Neha, et al.
Pubblicazione: (2024)
EARS: An Anechoic Fullband Speech Dataset Benchmarked for Speech Enhancement and Dereverberation
di: Richter, Julius, et al.
Pubblicazione: (2024)
di: Richter, Julius, et al.
Pubblicazione: (2024)
DMOSpeech 2: Reinforcement Learning for Duration Prediction in Metric-Optimized Speech Synthesis
di: Li, Yinghao Aaron, et al.
Pubblicazione: (2025)
di: Li, Yinghao Aaron, et al.
Pubblicazione: (2025)
Large Language Model Guided Decoding for Self-Supervised Speech Recognition
di: Cohen, Eyal, et al.
Pubblicazione: (2025)
di: Cohen, Eyal, et al.
Pubblicazione: (2025)
Documenti analoghi
-
EMOCONV-DIFF: Diffusion-based Speech Emotion Conversion for Non-parallel and In-the-wild Data
di: Prabhu, Navin Raj, et al.
Pubblicazione: (2023) -
Too Good to Be True: A Study on Modern Automatic Speech Recognition for the Evaluation of Speech Enhancement
di: de Oliveira, Danilo, et al.
Pubblicazione: (2026) -
Investigating Training Objectives for Generative Speech Enhancement
di: Richter, Julius, et al.
Pubblicazione: (2024) -
Are These Even Words? Quantifying the Gibberishness of Generative Speech Models
di: de Oliveira, Danilo, et al.
Pubblicazione: (2025) -
Do We Need EMA for Diffusion-Based Speech Enhancement? Toward a Magnitude-Preserving Network Architecture
di: Richter, Julius, et al.
Pubblicazione: (2025)