Discrete-Time Diffusion-Like Models for Speech Synthesis
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Tan, Xiaozhou, Zhao, Minghui, Ragni, Anton |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Decoding Order Matters in Autoregressive Speech Synthesis
par: Zhao, Minghui, et autres
Publié: (2026)
par: Zhao, Minghui, et autres
Publié: (2026)
Beyond Two-stage Diffusion TTS: Joint Structure and Content Refinement via Jump Diffusion
par: Ai, Jiabao, et autres
Publié: (2026)
par: Ai, Jiabao, et autres
Publié: (2026)
Score-Based Training for Energy-Based TTS Models
par: Sun, Wanli, et autres
Publié: (2025)
par: Sun, Wanli, et autres
Publié: (2025)
Schrodinger Bridges Beat Diffusion Models on Text-to-Speech Synthesis
par: Chen, Zehua, et autres
Publié: (2023)
par: Chen, Zehua, et autres
Publié: (2023)
Speech Watermarking with Discrete Intermediate Representations
par: Ji, Shengpeng, et autres
Publié: (2024)
par: Ji, Shengpeng, et autres
Publié: (2024)
Self-Train Before You Transcribe
par: Flynn, Robert, et autres
Publié: (2024)
par: Flynn, Robert, et autres
Publié: (2024)
Beyond the Utterance: An Empirical Study of Very Long Context Speech Recognition
par: Flynn, Robert, et autres
Publié: (2026)
par: Flynn, Robert, et autres
Publié: (2026)
Training Data Augmentation for Dysarthric Automatic Speech Recognition by Text-to-Dysarthric-Speech Synthesis
par: Leung, Wing-Zin, et autres
Publié: (2024)
par: Leung, Wing-Zin, et autres
Publié: (2024)
TextrolSpeech: A Text Style Control Speech Corpus With Codec Language Text-to-Speech Models
par: Ji, Shengpeng, et autres
Publié: (2023)
par: Ji, Shengpeng, et autres
Publié: (2023)
Investigating the Design Space of Diffusion Models for Speech Enhancement
par: Gonzalez, Philippe, et autres
Publié: (2023)
par: Gonzalez, Philippe, et autres
Publié: (2023)
Objective Evaluation of Prosody and Intelligibility in Speech Synthesis via Conditional Prediction of Discrete Tokens
par: Ulgen, Ismail Rasim, et autres
Publié: (2025)
par: Ulgen, Ismail Rasim, et autres
Publié: (2025)
On-device Streaming Discrete Speech Units
par: Choi, Kwanghee, et autres
Publié: (2025)
par: Choi, Kwanghee, et autres
Publié: (2025)
Discrete Optimal Transport and Voice Conversion
par: Selitskiy, Anton, et autres
Publié: (2025)
par: Selitskiy, Anton, et autres
Publié: (2025)
Emphasis Sensitivity in Speech Representations
par: Cassini, Shaun, et autres
Publié: (2025)
par: Cassini, Shaun, et autres
Publié: (2025)
Drax: Speech Recognition with Discrete Flow Matching
par: Navon, Aviv, et autres
Publié: (2025)
par: Navon, Aviv, et autres
Publié: (2025)
SpeechOp: Inference-Time Task Composition for Generative Speech Processing
par: Lovelace, Justin, et autres
Publié: (2025)
par: Lovelace, Justin, et autres
Publié: (2025)
GLA-Grad++: An Improved Griffin-Lim Guided Diffusion Model for Speech Synthesis
par: Baoueb, Teysir, et autres
Publié: (2025)
par: Baoueb, Teysir, et autres
Publié: (2025)
Diffusion Buffer: Online Diffusion-based Speech Enhancement with Sub-Second Latency
par: Lay, Bunlong, et autres
Publié: (2025)
par: Lay, Bunlong, et autres
Publié: (2025)
Speech to Speech Synthesis for Voice Impersonation
par: Johnson, Bjorn, et autres
Publié: (2026)
par: Johnson, Bjorn, et autres
Publié: (2026)
Text-to-Speech for Unseen Speakers via Low-Complexity Discrete Unit-Based Frame Selection
par: Ulgen, Ismail Rasim, et autres
Publié: (2024)
par: Ulgen, Ismail Rasim, et autres
Publié: (2024)
Non-intrusive Speech Quality Assessment with Diffusion Models Trained on Clean Speech
par: de Oliveira, Danilo, et autres
Publié: (2024)
par: de Oliveira, Danilo, et autres
Publié: (2024)
MegaTTS 3: Sparse Alignment Enhanced Latent Diffusion Transformer for Zero-Shot Speech Synthesis
par: Jiang, Ziyue, et autres
Publié: (2025)
par: Jiang, Ziyue, et autres
Publié: (2025)
Investigating the Effects of Diffusion-based Conditional Generative Speech Models Used for Speech Enhancement on Dysarthric Speech
par: Reszka, Joanna, et autres
Publié: (2024)
par: Reszka, Joanna, et autres
Publié: (2024)
Speech Foundation Models Generalize to Time Series Tasks from Wearable Sensor Data
par: Narain, Jaya, et autres
Publié: (2025)
par: Narain, Jaya, et autres
Publié: (2025)
TaDiCodec: Text-aware Diffusion Speech Tokenizer for Speech Language Modeling
par: Wang, Yuancheng, et autres
Publié: (2025)
par: Wang, Yuancheng, et autres
Publié: (2025)
DDTSE: Discriminative Diffusion Model for Target Speech Extraction
par: Zhang, Leying, et autres
Publié: (2023)
par: Zhang, Leying, et autres
Publié: (2023)
Speech Enhancement and Dereverberation with Diffusion-based Generative Models
par: Richter, Julius, et autres
Publié: (2022)
par: Richter, Julius, et autres
Publié: (2022)
High-Fidelity Speech Enhancement via Discrete Audio Tokens
par: Lanzendörfer, Luca A., et autres
Publié: (2025)
par: Lanzendörfer, Luca A., et autres
Publié: (2025)
Diffusion Synthesizer for Efficient Multilingual Speech to Speech Translation
par: Hirschkind, Nameer, et autres
Publié: (2024)
par: Hirschkind, Nameer, et autres
Publié: (2024)
DiffSoundStream: Efficient Speech Tokenization via Diffusion Decoding
par: Yang, Yang, et autres
Publié: (2025)
par: Yang, Yang, et autres
Publié: (2025)
Continuous Autoregressive Modeling with Stochastic Monotonic Alignment for Speech Synthesis
par: Lin, Weiwei, et autres
Publié: (2025)
par: Lin, Weiwei, et autres
Publié: (2025)
Posterior Transition Modeling for Unsupervised Diffusion-Based Speech Enhancement
par: Sadeghi, Mostafa, et autres
Publié: (2025)
par: Sadeghi, Mostafa, et autres
Publié: (2025)
Noise-aware Speech Enhancement using Diffusion Probabilistic Model
par: Hu, Yuchen, et autres
Publié: (2023)
par: Hu, Yuchen, et autres
Publié: (2023)
Bone-conduction Guided Multimodal Speech Enhancement with Conditional Diffusion Models
par: Khanagha, Sina, et autres
Publié: (2026)
par: Khanagha, Sina, et autres
Publié: (2026)
Adapting WavLM for Speech Emotion Recognition
par: Diatlova, Daria, et autres
Publié: (2024)
par: Diatlova, Daria, et autres
Publié: (2024)
Diffusion-Based Unsupervised Audio-Visual Speech Separation in Noisy Environments with Noise Prior
par: Yemini, Yochai, et autres
Publié: (2025)
par: Yemini, Yochai, et autres
Publié: (2025)
Diffusion-Based Speech Enhancement in Matched and Mismatched Conditions Using a Heun-Based Sampler
par: Gonzalez, Philippe, et autres
Publié: (2023)
par: Gonzalez, Philippe, et autres
Publié: (2023)
AV-CrossNet: an Audiovisual Complex Spectral Mapping Network for Speech Separation By Leveraging Narrow- and Cross-Band Modeling
par: Kalkhorani, Vahid Ahmadi, et autres
Publié: (2024)
par: Kalkhorani, Vahid Ahmadi, et autres
Publié: (2024)
Speech Slytherin: Examining the Performance and Efficiency of Mamba for Speech Separation, Recognition, and Synthesis
par: Jiang, Xilin, et autres
Publié: (2024)
par: Jiang, Xilin, et autres
Publié: (2024)
Zero-Shot Mono-to-Binaural Speech Synthesis
par: Levkovitch, Alon, et autres
Publié: (2024)
par: Levkovitch, Alon, et autres
Publié: (2024)
Documents similaires
-
Decoding Order Matters in Autoregressive Speech Synthesis
par: Zhao, Minghui, et autres
Publié: (2026) -
Beyond Two-stage Diffusion TTS: Joint Structure and Content Refinement via Jump Diffusion
par: Ai, Jiabao, et autres
Publié: (2026) -
Score-Based Training for Energy-Based TTS Models
par: Sun, Wanli, et autres
Publié: (2025) -
Schrodinger Bridges Beat Diffusion Models on Text-to-Speech Synthesis
par: Chen, Zehua, et autres
Publié: (2023) -
Speech Watermarking with Discrete Intermediate Representations
par: Ji, Shengpeng, et autres
Publié: (2024)