USE: A Unified Model for Universal Sound Separation and Extraction
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wang, Hongyu, Li, Chenda, Zhou, Xin, Wang, Shuai, Qian, Yanmin |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Diffusion-based Generative Modeling with Discriminative Guidance for Streamable Speech Enhancement
par: Li, Chenda, et autres
Publié: (2024)
par: Li, Chenda, et autres
Publié: (2024)
MeanSE: Efficient Generative Speech Enhancement with Mean Flows
par: Wang, Jiahe, et autres
Publié: (2025)
par: Wang, Jiahe, et autres
Publié: (2025)
Scale This, Not That: Investigating Key Dataset Attributes for Efficient Speech Enhancement Scaling
par: Zhang, Leying, et autres
Publié: (2024)
par: Zhang, Leying, et autres
Publié: (2024)
USED: Universal Speaker Extraction and Diarization
par: Ao, Junyi, et autres
Publié: (2023)
par: Ao, Junyi, et autres
Publié: (2023)
Improving Speech Enhancement with Multi-Metric Supervision from Learned Quality Assessment
par: Wang, Wei, et autres
Publié: (2025)
par: Wang, Wei, et autres
Publié: (2025)
What Does the Speaker Embedding Encode?
par: Wang, Shuai, et autres
Publié: (2025)
par: Wang, Shuai, et autres
Publié: (2025)
Self-Guided Target Sound Extraction and Classification Through Universal Sound Separation Model and Multiple Clues
par: Kwon, Younghoo, et autres
Publié: (2025)
par: Kwon, Younghoo, et autres
Publié: (2025)
Beyond Performance Plateaus: A Comprehensive Study on Scalability in Speech Enhancement
par: Zhang, Wangyou, et autres
Publié: (2024)
par: Zhang, Wangyou, et autres
Publié: (2024)
WeSep: A Scalable and Flexible Toolkit Towards Generalizable Target Speaker Extraction
par: Wang, Shuai, et autres
Publié: (2024)
par: Wang, Shuai, et autres
Publié: (2024)
Representation-Regularized Convolutional Audio Transformer for Audio Understanding
par: Han, Bing, et autres
Publié: (2026)
par: Han, Bing, et autres
Publié: (2026)
Overview of Speaker Modeling and Its Applications: From the Lens of Deep Speaker Representation Learning
par: Wang, Shuai, et autres
Publié: (2024)
par: Wang, Shuai, et autres
Publié: (2024)
Leveraging Sound Source Trajectories for Universal Sound Separation
par: Wu, Donghang, et autres
Publié: (2024)
par: Wu, Donghang, et autres
Publié: (2024)
URGENT Challenge: Universality, Robustness, and Generalizability For Speech Enhancement
par: Zhang, Wangyou, et autres
Publié: (2024)
par: Zhang, Wangyou, et autres
Publié: (2024)
LuSeeL: Language-queried Binaural Universal Sound Event Extraction and Localization
par: Pan, Zexu, et autres
Publié: (2026)
par: Pan, Zexu, et autres
Publié: (2026)
P.808 Multilingual Speech Enhancement Testing: Approach and Results of URGENT 2025 Challenge
par: Sach, Marvin, et autres
Publié: (2025)
par: Sach, Marvin, et autres
Publié: (2025)
Text adaptation for speaker verification with speaker-text factorized embeddings
par: Yang, Yexin, et autres
Publié: (2025)
par: Yang, Yexin, et autres
Publié: (2025)
Flow-TSVAD: Target-Speaker Voice Activity Detection via Latent Flow Matching
par: Chen, Zhengyang, et autres
Publié: (2024)
par: Chen, Zhengyang, et autres
Publié: (2024)
Prototype and Instance Contrastive Learning for Unsupervised Domain Adaptation in Speaker Verification
par: Huang, Wen, et autres
Publié: (2024)
par: Huang, Wen, et autres
Publié: (2024)
Disentangling the Prosody and Semantic Information with Pre-trained Model for In-Context Learning based Zero-Shot Voice Conversion
par: Chen, Zhengyang, et autres
Publié: (2024)
par: Chen, Zhengyang, et autres
Publié: (2024)
DDTSE: Discriminative Diffusion Model for Target Speech Extraction
par: Zhang, Leying, et autres
Publié: (2023)
par: Zhang, Leying, et autres
Publié: (2023)
A Knowledge-Driven Approach to Target Speech Extraction in the Presence of Background Sound Effects for Cinematic Audio Source Separation (CASS)
par: Ho, Chun-wei, et autres
Publié: (2026)
par: Ho, Chun-wei, et autres
Publié: (2026)
Efficient Multilingual ASR Finetuning via LoRA Language Experts
par: Li, Jiahong, et autres
Publié: (2025)
par: Li, Jiahong, et autres
Publié: (2025)
Exploring Self-Supervised Audio Models for Generalized Anomalous Sound Detection
par: Han, Bing, et autres
Publié: (2025)
par: Han, Bing, et autres
Publié: (2025)
Towards Lightweight Speaker Verification via Adaptive Neural Network Quantization
par: Liu, Bei, et autres
Publié: (2024)
par: Liu, Bei, et autres
Publié: (2024)
ICASSP 2026 URGENT Speech Enhancement Challenge
par: Li, Chenda, et autres
Publié: (2026)
par: Li, Chenda, et autres
Publié: (2026)
URGENT-PK: Perceptually-Aligned Ranking Model Designed for Speech Enhancement Competition
par: Wang, Jiahe, et autres
Publié: (2025)
par: Wang, Jiahe, et autres
Publié: (2025)
Discrete Token Modeling for Multi-Stem Music Source Separation with Language Models
par: Lyu, Pengbo, et autres
Publié: (2026)
par: Lyu, Pengbo, et autres
Publié: (2026)
From Sharpness to Better Generalization for Speech Deepfake Detection
par: Huang, Wen, et autres
Publié: (2025)
par: Huang, Wen, et autres
Publié: (2025)
Toward Universal Speech Enhancement for Diverse Input Conditions
par: Zhang, Wangyou, et autres
Publié: (2023)
par: Zhang, Wangyou, et autres
Publié: (2023)
EvoTSE: Evolving Enrollment for Target Speaker Extraction
par: Liu, Zikai, et autres
Publié: (2026)
par: Liu, Zikai, et autres
Publié: (2026)
Sound Separation and Classification with Object and Semantic Guidance
par: Kwon, Younghoo, et autres
Publié: (2025)
par: Kwon, Younghoo, et autres
Publié: (2025)
Cross-attention Inspired Selective State Space Models for Target Sound Extraction
par: Wu, Donghang, et autres
Publié: (2024)
par: Wu, Donghang, et autres
Publié: (2024)
Less is More: Data Curation Matters in Scaling Speech Enhancement
par: Li, Chenda, et autres
Publié: (2025)
par: Li, Chenda, et autres
Publié: (2025)
DeFT-Mamba: Universal Multichannel Sound Separation and Polyphonic Audio Classification
par: Lee, Dongheon, et autres
Publié: (2024)
par: Lee, Dongheon, et autres
Publié: (2024)
CLAPSep: Leveraging Contrastive Pre-trained Model for Multi-Modal Query-Conditioned Target Sound Extraction
par: Ma, Hao, et autres
Publié: (2024)
par: Ma, Hao, et autres
Publié: (2024)
Multi-Level Speaker Representation for Target Speaker Extraction
par: Zhang, Ke, et autres
Publié: (2024)
par: Zhang, Ke, et autres
Publié: (2024)
SpeechFake: A Large-Scale Multilingual Speech Deepfake Dataset Incorporating Cutting-Edge Generation Methods
par: Huang, Wen, et autres
Publié: (2025)
par: Huang, Wen, et autres
Publié: (2025)
Detect, Attend and Extract: Keyword Guided Target Speaker Extraction
par: Li, Haoyu, et autres
Publié: (2026)
par: Li, Haoyu, et autres
Publié: (2026)
TSE-PI: Target Sound Extraction under Reverberant Environments with Pitch Information
par: Wang, Yiwen, et autres
Publié: (2024)
par: Wang, Yiwen, et autres
Publié: (2024)
NDF+: Joint Neural Directional Filtering and Diffuse Sound Extraction
par: Huang, Weilong, et autres
Publié: (2026)
par: Huang, Weilong, et autres
Publié: (2026)
Documents similaires
-
Diffusion-based Generative Modeling with Discriminative Guidance for Streamable Speech Enhancement
par: Li, Chenda, et autres
Publié: (2024) -
MeanSE: Efficient Generative Speech Enhancement with Mean Flows
par: Wang, Jiahe, et autres
Publié: (2025) -
Scale This, Not That: Investigating Key Dataset Attributes for Efficient Speech Enhancement Scaling
par: Zhang, Leying, et autres
Publié: (2024) -
USED: Universal Speaker Extraction and Diarization
par: Ao, Junyi, et autres
Publié: (2023) -
Improving Speech Enhancement with Multi-Metric Supervision from Learned Quality Assessment
par: Wang, Wei, et autres
Publié: (2025)