Buchumschlag

A Lightweight Pipeline for Noisy Speech Voice Cloning and Accurate Lip Sync Synthesis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Amir, Javeria, Attaria, Farwa, Jabeen, Mah, Noor, Umara, Rashid, Zahid
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Sound Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Voice Cloning for Dysarthric Speech Synthesis: Addressing Data Scarcity in Speech-Language Pathology
von: Moell, Birger, et al.
Veröffentlicht: (2025)

Pronunciation Deviation Analysis Through Voice Cloning and Acoustic Comparison
von: Valdivia, Andrew, et al.
Veröffentlicht: (2025)

SyncSpeech: Efficient and Low-Latency Text-to-Speech based on Temporal Masked Transformer
von: Sheng, Zhengyan, et al.
Veröffentlicht: (2025)

Voice Cloning: Comprehensive Survey
von: Azzuni, Hussam, et al.
Veröffentlicht: (2025)

Neural Multi-Speaker Voice Cloning for Nepali in Low-Resource Settings
von: Shrestha, Aayush M., et al.
Veröffentlicht: (2026)

Proactive Detection of Voice Cloning with Localized Watermarking
von: Roman, Robin San, et al.
Veröffentlicht: (2024)

CloneShield: A Framework for Universal Perturbation Against Zero-Shot Voice Cloning
von: Li, Renyuan, et al.
Veröffentlicht: (2025)

VividVoice: A Unified Framework for Scene-Aware Visually-Driven Speech Synthesis
von: Ma, Chengyuan, et al.
Veröffentlicht: (2026)

The ISCSLP 2024 Conversational Voice Clone (CoVoC) Challenge: Tasks, Results and Findings
von: Xia, Kangxiang, et al.
Veröffentlicht: (2024)

Voice "Cloning" is Style Transfer
von: Zhou, Kaitlyn, et al.
Veröffentlicht: (2026)

Empowering Global Voices: A Data-Efficient, Phoneme-Tone Adaptive Approach to High-Fidelity Speech Synthesis
von: Geng, Yizhong, et al.
Veröffentlicht: (2025)

UniSS: Unified Expressive Speech-to-Speech Translation with Your Voice
von: Cheng, Sitong, et al.
Veröffentlicht: (2025)

SlimSpeech: Lightweight and Efficient Text-to-Speech with Slim Rectified Flow
von: Wang, Kaidi, et al.
Veröffentlicht: (2025)

X-Voice: Enabling Everyone to Speak 30 Languages via Zero-Shot Cross-Lingual Voice Cloning
von: Xu, Rixi, et al.
Veröffentlicht: (2026)

Fed-PISA: Federated Voice Cloning via Personalized Identity-Style Adaptation
von: Wang, Qi, et al.
Veröffentlicht: (2025)

SafeSpeech: Robust and Universal Voice Protection Against Malicious Speech Synthesis
von: Zhang, Zhisheng, et al.
Veröffentlicht: (2025)

Mitigating Unauthorized Speech Synthesis for Voice Protection
von: Zhang, Zhisheng, et al.
Veröffentlicht: (2024)

SyncTrack: Rhythmic Stability and Synchronization in Multi-Track Music Generation
von: Wang, Hongrui, et al.
Veröffentlicht: (2026)

Voiced-Aware Style Extraction and Style Direction Adjustment for Expressive Text-to-Speech
von: Kim, Nam-Gyu
Veröffentlicht: (2025)

Exploring Phonetic Context-Aware Lip-Sync For Talking Face Generation
von: Park, Se Jin, et al.
Veröffentlicht: (2023)

Emotion Detection in Speech Using Lightweight and Transformer-Based Models: A Comparative and Ablation Study
von: Onyekwelu-Udoka, Lucky, et al.
Veröffentlicht: (2025)

VoiceShop: A Unified Speech-to-Speech Framework for Identity-Preserving Zero-Shot Voice Editing
von: Anastassiou, Philip, et al.
Veröffentlicht: (2024)

MindVoice: Reconstructing Intelligible Speech from Non-invasive Neural Signals with Pretrained Priors
von: Bao, Guangyin, et al.
Veröffentlicht: (2026)

LSZone: A Lightweight Spatial Information Modeling Architecture for Real-time In-car Multi-zone Speech Separation
von: Chen, Jun, et al.
Veröffentlicht: (2025)

VoiceMark: Zero-Shot Voice Cloning-Resistant Watermarking Approach Leveraging Speaker-Specific Latents
von: Li, Haiyun, et al.
Veröffentlicht: (2025)

ArVoice: A Multi-Speaker Dataset for Arabic Speech Synthesis
von: Toyin, Hawau Olamide, et al.
Veröffentlicht: (2025)

SmoothSinger: A Conditional Diffusion Model for Singing Voice Synthesis with Multi-Resolution Architecture
von: Sui, Kehan, et al.
Veröffentlicht: (2025)

A Real-Time Voice Activity Detection Based On Lightweight Neural
von: Jia, Jidong, et al.
Veröffentlicht: (2024)

Lightweight Self-Supervised Detection of Fundamental Frequency and Accurate Probability of Voicing in Monophonic Music
von: Bitra, Venkat Suprabath, et al.
Veröffentlicht: (2026)

TokenSynth: A Token-based Neural Synthesizer for Instrument Cloning and Text-to-Instrument
von: Kim, Kyungsu, et al.
Veröffentlicht: (2025)

Interpreting Pretrained Speech Models for Automatic Speech Assessment of Voice Disorders
von: Lau, Hok-Shing, et al.
Veröffentlicht: (2024)

Vevo2: A Unified and Controllable Framework for Speech and Singing Voice Generation
von: Zhang, Xueyao, et al.
Veröffentlicht: (2025)

LHQ-SVC: Lightweight and High Quality Singing Voice Conversion Modeling
von: Huang, Yubo, et al.
Veröffentlicht: (2024)

YingMusic-Singer: Zero-shot Singing Voice Synthesis and Editing with Annotation-free Melody Guidance
von: Zheng, Junjie, et al.
Veröffentlicht: (2025)

Flowing Straighter with Conditional Flow Matching for Accurate Speech Enhancement
von: Cross, Mattias, et al.
Veröffentlicht: (2025)

Look Once to Hear: Target Speech Hearing with Noisy Examples
von: Veluri, Bandhav, et al.
Veröffentlicht: (2024)

i-LAVA: Insights on Low Latency Voice-2-Voice Architecture for Agents
von: Purwar, Anupam, et al.
Veröffentlicht: (2025)

IntrinsicVoice: Empowering LLMs with Intrinsic Real-time Voice Interaction Abilities
von: Zhang, Xin, et al.
Veröffentlicht: (2024)

$τ$-Voice: Benchmarking Full-Duplex Voice Agents on Real-World Domains
von: Ray, Soham, et al.
Veröffentlicht: (2026)

CosyVoice 2: Scalable Streaming Speech Synthesis with Large Language Models
von: Du, Zhihao, et al.
Veröffentlicht: (2024)