Spatial-CLAP: Learning Spatially-Aware audio--text Embeddings for Multi-Source Conditions
Fuente:
arXiv
Salvato in:
| Autori principali: | Seki, Kentaro, Okamoto, Yuki, Yamaoka, Kouei, Saito, Yuki, Takamichi, Shinnosuke, Saruwatari, Hiroshi |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
RELATE: Subjective evaluation dataset for automatic evaluation of relevance between text and audio
di: Kanamori, Yusuke, et al.
Pubblicazione: (2025)
di: Kanamori, Yusuke, et al.
Pubblicazione: (2025)
Spatial Voice Conversion: Voice Conversion Preserving Spatial Information and Non-target Signals
di: Seki, Kentaro, et al.
Pubblicazione: (2024)
di: Seki, Kentaro, et al.
Pubblicazione: (2024)
Human-CLAP: Human-perception-based contrastive language-audio pretraining
di: Takano, Taisei, et al.
Pubblicazione: (2025)
di: Takano, Taisei, et al.
Pubblicazione: (2025)
Noise-Robust Voice Conversion by Conditional Denoising Training Using Latent Variables of Recording Quality and Environment
di: Igarashi, Takuto, et al.
Pubblicazione: (2024)
di: Igarashi, Takuto, et al.
Pubblicazione: (2024)
TTSOps: A Closed-Loop Corpus Optimization Framework for Training Multi-Speaker TTS Models from Dark Data
di: Seki, Kentaro, et al.
Pubblicazione: (2025)
di: Seki, Kentaro, et al.
Pubblicazione: (2025)
J-CHAT: Japanese Large-scale Spoken Dialogue Corpus for Spoken Dialogue Language Modeling
di: Nakata, Wataru, et al.
Pubblicazione: (2024)
di: Nakata, Wataru, et al.
Pubblicazione: (2024)
Active Learning for Text-to-Speech Synthesis with Informative Sample Collection
di: Seki, Kentaro, et al.
Pubblicazione: (2025)
di: Seki, Kentaro, et al.
Pubblicazione: (2025)
SRC4VC: Smartphone-Recorded Corpus for Voice Conversion Benchmark
di: Saito, Yuki, et al.
Pubblicazione: (2024)
di: Saito, Yuki, et al.
Pubblicazione: (2024)
Building speech corpus with diverse voice characteristics for its prompt-based representation
di: Watanabe, Aya, et al.
Pubblicazione: (2024)
di: Watanabe, Aya, et al.
Pubblicazione: (2024)
JVNV: A Corpus of Japanese Emotional Speech with Verbal Content and Nonverbal Expressions
di: Xin, Detai, et al.
Pubblicazione: (2023)
di: Xin, Detai, et al.
Pubblicazione: (2023)
BigCodec: Pushing the Limits of Low-Bitrate Neural Speech Codec
di: Xin, Detai, et al.
Pubblicazione: (2024)
di: Xin, Detai, et al.
Pubblicazione: (2024)
Cross-Dialect Text-To-Speech in Pitch-Accent Language Incorporating Multi-Dialect Phoneme-Level BERT
di: Yamauchi, Kazuki, et al.
Pubblicazione: (2024)
di: Yamauchi, Kazuki, et al.
Pubblicazione: (2024)
SpeechBERTScore: Reference-Aware Automatic Evaluation of Speech Generation Leveraging NLP Evaluation Metrics
di: Saeki, Takaaki, et al.
Pubblicazione: (2024)
di: Saeki, Takaaki, et al.
Pubblicazione: (2024)
DistilMOS: Layer-Wise Self-Distillation For Self-Supervised Learning Model-Based MOS Prediction
di: Yang, Jianing, et al.
Pubblicazione: (2026)
di: Yang, Jianing, et al.
Pubblicazione: (2026)
Sidon: Fast and Robust Open-Source Multilingual Speech Restoration for Large-scale Dataset Cleansing
di: Nakata, Wataru, et al.
Pubblicazione: (2025)
di: Nakata, Wataru, et al.
Pubblicazione: (2025)
AudioBERTScore: Objective Evaluation of Environmental Sound Synthesis Based on Similarity of Audio embedding Sequences
di: Kishi, Minoru, et al.
Pubblicazione: (2025)
di: Kishi, Minoru, et al.
Pubblicazione: (2025)
Causal Speech Enhancement with Predicting Semantics based on Quantized Self-supervised Learning Features
di: Tsunoo, Emiru, et al.
Pubblicazione: (2024)
di: Tsunoo, Emiru, et al.
Pubblicazione: (2024)
Drum-to-Vocal Percussion Sound Conversion and Its Evaluation Methodology
di: Nobukawa, Rinka, et al.
Pubblicazione: (2025)
di: Nobukawa, Rinka, et al.
Pubblicazione: (2025)
DNN-based ensemble singing voice synthesis with interactions between singers
di: Hyodo, Hiroaki, et al.
Pubblicazione: (2024)
di: Hyodo, Hiroaki, et al.
Pubblicazione: (2024)
Geneses: Unified Generative Speech Enhancement and Separation
di: Asai, Kohei, et al.
Pubblicazione: (2026)
di: Asai, Kohei, et al.
Pubblicazione: (2026)
JaCappella Corpus: A Japanese a Cappella Vocal Ensemble Corpus
di: Nakamura, Tomohiko, et al.
Pubblicazione: (2022)
di: Nakamura, Tomohiko, et al.
Pubblicazione: (2022)
The T05 System for The VoiceMOS Challenge 2024: Transfer Learning from Deep Image Classifier to Naturalness MOS Prediction of High-Quality Synthetic Speech
di: Baba, Kaito, et al.
Pubblicazione: (2024)
di: Baba, Kaito, et al.
Pubblicazione: (2024)
Fast Multichannel NMF with Block-Diagonal Spatial Covariance Matrices for Efficient Blind Source Separation Using Distributed Microphone Arrays
di: Nishikori, Hirotaka, et al.
Pubblicazione: (2026)
di: Nishikori, Hirotaka, et al.
Pubblicazione: (2026)
Multi-Sampling-Frequency Naturalness MOS Prediction Using Self-Supervised Learning Model with Sampling-Frequency-Independent Layer
di: Nishikawa, Go, et al.
Pubblicazione: (2025)
di: Nishikawa, Go, et al.
Pubblicazione: (2025)
DialogueSidon: Recovering Full-Duplex Dialogue Tracks from In-the-Wild Dialogue Audio
di: Nakata, Wataru, et al.
Pubblicazione: (2026)
di: Nakata, Wataru, et al.
Pubblicazione: (2026)
Hyperbolic Embeddings for Order-Aware Classification of Audio Effect Chains
di: Wada, Aogu, et al.
Pubblicazione: (2025)
di: Wada, Aogu, et al.
Pubblicazione: (2025)
Shallow Flow Matching for Coarse-to-Fine Text-to-Speech Synthesis
di: Yang, Dong, et al.
Pubblicazione: (2025)
di: Yang, Dong, et al.
Pubblicazione: (2025)
Emotional Text-To-Speech Based on Mutual-Information-Guided Emotion-Timbre Disentanglement
di: Yang, Jianing, et al.
Pubblicazione: (2025)
di: Yang, Jianing, et al.
Pubblicazione: (2025)
SaSLaW: Dialogue Speech Corpus with Audio-visual Egocentric Information Toward Environment-adaptive Dialogue Speech Synthesis
di: Take, Osamu, et al.
Pubblicazione: (2024)
di: Take, Osamu, et al.
Pubblicazione: (2024)
Real-time Speech Extraction Using Spatially Regularized Independent Low-rank Matrix Analysis and Rank-constrained Spatial Covariance Matrix Estimation
di: Ishikawa, Yuto, et al.
Pubblicazione: (2024)
di: Ishikawa, Yuto, et al.
Pubblicazione: (2024)
Construction and Analysis of Impression Caption Dataset for Environmental Sounds
di: Okamoto, Yuki, et al.
Pubblicazione: (2024)
di: Okamoto, Yuki, et al.
Pubblicazione: (2024)
Dissecting Performance Degradation in Audio Source Separation under Sampling Frequency Mismatch
di: Imamura, Kanami, et al.
Pubblicazione: (2026)
di: Imamura, Kanami, et al.
Pubblicazione: (2026)
Sign-to-Speech Prosody Transfer via Sign Reconstruction-based GAN
di: Manabe, Toranosuke, et al.
Pubblicazione: (2026)
di: Manabe, Toranosuke, et al.
Pubblicazione: (2026)
Voice Conversion for Likability Control via Automated Rating of Speech Synthesis Corpora
di: Suda, Hitoshi, et al.
Pubblicazione: (2025)
di: Suda, Hitoshi, et al.
Pubblicazione: (2025)
Who Finds This Voice Attractive? A Large-Scale Experiment Using In-the-Wild Data
di: Suda, Hitoshi, et al.
Pubblicazione: (2024)
di: Suda, Hitoshi, et al.
Pubblicazione: (2024)
ParaCLAP -- Towards a general language-audio model for computational paralinguistic tasks
di: Jing, Xin, et al.
Pubblicazione: (2024)
di: Jing, Xin, et al.
Pubblicazione: (2024)
Exploring the Effect of Segmentation and Vocabulary Size on Speech Tokenization for Speech Language Models
di: Kando, Shunsuke, et al.
Pubblicazione: (2025)
di: Kando, Shunsuke, et al.
Pubblicazione: (2025)
GRAM: Spatial general-purpose audio representations for real-world environments
di: Yuksel, Goksenin, et al.
Pubblicazione: (2026)
di: Yuksel, Goksenin, et al.
Pubblicazione: (2026)
Learning Spatially-Aware Language and Audio Embeddings
di: Devnani, Bhavika, et al.
Pubblicazione: (2024)
di: Devnani, Bhavika, et al.
Pubblicazione: (2024)
Learning Marmoset Vocal Patterns with a Masked Autoencoder for Robust Call Segmentation, Classification, and Caller Identification
di: Wu, Bin, et al.
Pubblicazione: (2024)
di: Wu, Bin, et al.
Pubblicazione: (2024)
Documenti analoghi
-
RELATE: Subjective evaluation dataset for automatic evaluation of relevance between text and audio
di: Kanamori, Yusuke, et al.
Pubblicazione: (2025) -
Spatial Voice Conversion: Voice Conversion Preserving Spatial Information and Non-target Signals
di: Seki, Kentaro, et al.
Pubblicazione: (2024) -
Human-CLAP: Human-perception-based contrastive language-audio pretraining
di: Takano, Taisei, et al.
Pubblicazione: (2025) -
Noise-Robust Voice Conversion by Conditional Denoising Training Using Latent Variables of Recording Quality and Environment
di: Igarashi, Takuto, et al.
Pubblicazione: (2024) -
TTSOps: A Closed-Loop Corpus Optimization Framework for Training Multi-Speaker TTS Models from Dark Data
di: Seki, Kentaro, et al.
Pubblicazione: (2025)