:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jeong, Seung Gyu, Kim, Seong-Eun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Audio and Speech Processing Artificial Intelligence Machine Learning Sound
Online-Zugang:	https://arxiv.org/abs/2601.17080
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Patient Domain Supervised Contrastive Learning for Lung Sound Classification Using Mobile Phone
von: Jeong, Seung Gyu, et al.
Veröffentlicht: (2025)

Patient-Aware Feature Alignment for Robust Lung Sound Classification:Cohesion-Separation and Global Alignment Losses
von: Jeong, Seung Gyu, et al.
Veröffentlicht: (2025)

Spotlight-TTS: Spotlighting the Style via Voiced-Aware Style Extraction and Style Direction Adjustment for Expressive Text-to-Speech
von: Kim, Nam-Gyu, et al.
Veröffentlicht: (2025)

Investigation into respiratory sound classification for an imbalanced data set using hybrid LSTM-KAN architectures
von: K. V, Nithinkumar, et al.
Veröffentlicht: (2026)

MulliVC: Multi-lingual Voice Conversion With Cycle Consistency
von: Huang, Jiawei, et al.
Veröffentlicht: (2024)

Heterogeneous sound classification with the Broad Sound Taxonomy and Dataset
von: Anastasopoulou, Panagiota, et al.
Veröffentlicht: (2024)

Towards Enhanced Classification of Abnormal Lung sound in Multi-breath: A Light Weight Multi-label and Multi-head Attention Classification Method
von: Chua, Yi-Wei, et al.
Veröffentlicht: (2024)

EZhouNet:A framework based on graph neural network and anchor interval for the respiratory sound event detection
von: Chu, Yun, et al.
Veröffentlicht: (2025)

DiEmo-TTS: Disentangled Emotion Representations via Self-Supervised Distillation for Cross-Speaker Emotion Transfer in Text-to-Speech
von: Cho, Deok-Hyeon, et al.
Veröffentlicht: (2025)

EmoSphere++: Emotion-Controllable Zero-Shot Text-to-Speech via Emotion-Adaptive Spherical Vector
von: Cho, Deok-Hyeon, et al.
Veröffentlicht: (2024)

EmoSphere-SER: Enhancing Speech Emotion Recognition Through Spherical Representation with Auxiliary Classification
von: Cho, Deok-Hyeon, et al.
Veröffentlicht: (2025)

CycleGuardian: A Framework for Automatic RespiratorySound classification Based on Improved Deep clustering and Contrastive Learning
von: Chu, Yun, et al.
Veröffentlicht: (2025)

A sound description: Exploring prompt templates and class descriptions to enhance zero-shot audio classification
von: Olvera, Michel, et al.
Veröffentlicht: (2024)

Neural Speech Embeddings for Speech Synthesis Based on Deep Generative Networks
von: Lee, Seo-Hyun, et al.
Veröffentlicht: (2023)

EmoSphere-TTS: Emotional Style and Intensity Modeling via Spherical Emotion Vector for Controllable Emotional Text-to-Speech
von: Cho, Deok-Hyeon, et al.
Veröffentlicht: (2024)

VibE-SVC: Vibrato Extraction with High-frequency F0 Contour for Singing Voice Conversion
von: Choi, Joon-Seung, et al.
Veröffentlicht: (2025)

GMP-TL: Gender-augmented Multi-scale Pseudo-label Enhanced Transfer Learning for Speech Emotion Recognition
von: Pan, Yu, et al.
Veröffentlicht: (2024)

Neurodyne: Neural Pitch Manipulation with Representation Learning and Cycle-Consistency GAN
von: Gu, Yicheng, et al.
Veröffentlicht: (2025)

FLowHigh: Towards Efficient and High-Quality Audio Super-Resolution with Single-Step Flow Matching
von: Yun, Jun-Hak, et al.
Veröffentlicht: (2025)

MUDAS: Mote-scale Unsupervised Domain Adaptation in Multi-label Sound Classification
von: Yun, Jihoon, et al.
Veröffentlicht: (2025)

CycleFlow: Leveraging Cycle Consistency in Flow Matching for Speaker Style Adaptation
von: Liang, Ziqi, et al.
Veröffentlicht: (2025)

MultiVerse: Efficient and Expressive Zero-Shot Multi-Task Text-to-Speech
von: Bak, Taejun, et al.
Veröffentlicht: (2024)

Complex-Cycle-Consistent Diffusion Model for Monaural Speech Enhancement
von: Li, Yi, et al.
Veröffentlicht: (2024)

Sound event detection based on auxiliary decoder and maximum probability aggregation for DCASE Challenge 2024 Task 4
von: Son, Sang Won, et al.
Veröffentlicht: (2024)

Music Consistency Models
von: Fei, Zhengcong, et al.
Veröffentlicht: (2024)

BTS: Bridging Text and Sound Modalities for Metadata-Aided Respiratory Sound Classification
von: Kim, June-Woo, et al.
Veröffentlicht: (2024)

Detecting abnormal heart sound using mobile phones and on-device IConNet
von: Vu, Linh, et al.
Veröffentlicht: (2024)

Fine-Tuning Text-to-Speech Diffusion Models Using Reinforcement Learning with Human Feedback
von: Chen, Jingyi, et al.
Veröffentlicht: (2025)

Synthetic training set generation using text-to-audio models for environmental sound classification
von: Ronchini, Francesca, et al.
Veröffentlicht: (2024)

Musical Word Embedding for Music Tagging and Retrieval
von: Doh, SeungHeon, et al.
Veröffentlicht: (2024)

Vocoder-Free Non-Parallel Conversion of Whispered Speech With Masked Cycle-Consistent Generative Adversarial Networks
von: Wagner, Dominik, et al.
Veröffentlicht: (2023)

SonicSim: A customizable simulation platform for speech processing in moving sound source scenarios
von: Li, Kai, et al.
Veröffentlicht: (2024)

TranSentence: Speech-to-speech Translation via Language-agnostic Sentence-level Speech Encoding without Language-parallel Data
von: Kim, Seung-Bin, et al.
Veröffentlicht: (2024)

Six Dragons Fly Again: Reviving 15th-Century Korean Court Music with Transformers and Novel Encoding
von: Han, Danbinaerin, et al.
Veröffentlicht: (2024)

EvMic: Event-based Non-contact sound recovery from effective spatial-temporal modeling
von: Yin, Hao, et al.
Veröffentlicht: (2025)

Patient-Level Multimodal Question Answering from Multi-Site Auscultation Recordings
von: Wu, Fan, et al.
Veröffentlicht: (2026)

Alternating Approach-Putt Models for Multi-Stage Speech Enhancement
von: Jeong, Iksoon, et al.
Veröffentlicht: (2025)

Sommelier: Scalable Open Multi-turn Audio Pre-processing for Full-duplex Speech Language Models
von: Jung, Kyudan, et al.
Veröffentlicht: (2026)

MATER: Multi-level Acoustic and Textual Emotion Representation for Interpretable Speech Emotion Recognition
von: Jon, Hyo Jin, et al.
Veröffentlicht: (2025)

ECTSpeech: Enhancing Efficient Speech Synthesis via Easy Consistency Tuning
von: Zhu, Tao, et al.
Veröffentlicht: (2025)