Beyond Two-stage Diffusion TTS: Joint Structure and Content Refinement via Jump Diffusion
Fuente:
arXiv
Salvato in:
| Autori principali: | Ai, Jiabao, Zhao, Minghui, Ragni, Anton |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Discrete-Time Diffusion-Like Models for Speech Synthesis
di: Tan, Xiaozhou, et al.
Pubblicazione: (2025)
di: Tan, Xiaozhou, et al.
Pubblicazione: (2025)
Decoding Order Matters in Autoregressive Speech Synthesis
di: Zhao, Minghui, et al.
Pubblicazione: (2026)
di: Zhao, Minghui, et al.
Pubblicazione: (2026)
Score-Based Training for Energy-Based TTS Models
di: Sun, Wanli, et al.
Pubblicazione: (2025)
di: Sun, Wanli, et al.
Pubblicazione: (2025)
Beyond the Utterance: An Empirical Study of Very Long Context Speech Recognition
di: Flynn, Robert, et al.
Pubblicazione: (2026)
di: Flynn, Robert, et al.
Pubblicazione: (2026)
ViT-TTS: Visual Text-to-Speech with Scalable Diffusion Transformer
di: Liu, Huadai, et al.
Pubblicazione: (2023)
di: Liu, Huadai, et al.
Pubblicazione: (2023)
Continuous-Token Diffusion for Speaker-Referenced TTS in Multimodal LLMs
di: He, Xinlu, et al.
Pubblicazione: (2025)
di: He, Xinlu, et al.
Pubblicazione: (2025)
MELA-TTS: Joint transformer-diffusion model with representation alignment for speech synthesis
di: An, Keyu, et al.
Pubblicazione: (2025)
di: An, Keyu, et al.
Pubblicazione: (2025)
How Much Context Does My Attention-Based ASR System Need?
di: Flynn, Robert, et al.
Pubblicazione: (2023)
di: Flynn, Robert, et al.
Pubblicazione: (2023)
Traceable TTS: Toward Watermark-Free TTS with Strong Traceability
di: Zhao, Yuxiang, et al.
Pubblicazione: (2025)
di: Zhao, Yuxiang, et al.
Pubblicazione: (2025)
Emphasis Sensitivity in Speech Representations
di: Cassini, Shaun, et al.
Pubblicazione: (2025)
di: Cassini, Shaun, et al.
Pubblicazione: (2025)
Unified Diffusion Refinement for Multi-Channel Speech Enhancement and Separation
di: Xu, Zhongweiyang, et al.
Pubblicazione: (2026)
di: Xu, Zhongweiyang, et al.
Pubblicazione: (2026)
Training Data Augmentation for Dysarthric Automatic Speech Recognition by Text-to-Dysarthric-Speech Synthesis
di: Leung, Wing-Zin, et al.
Pubblicazione: (2024)
di: Leung, Wing-Zin, et al.
Pubblicazione: (2024)
NDF+: Joint Neural Directional Filtering and Diffuse Sound Extraction
di: Huang, Weilong, et al.
Pubblicazione: (2026)
di: Huang, Weilong, et al.
Pubblicazione: (2026)
Nord-Parl-TTS: Finnish and Swedish TTS Dataset from Parliament Speech
di: Li, Zirui, et al.
Pubblicazione: (2025)
di: Li, Zirui, et al.
Pubblicazione: (2025)
How Open is Open TTS? A Practical Evaluation of Open Source TTS Tools
di: Răgman, Teodora, et al.
Pubblicazione: (2026)
di: Răgman, Teodora, et al.
Pubblicazione: (2026)
Improving Noise Robustness of LLM-based Zero-shot TTS via Discrete Acoustic Token Denoising
di: Lu, Ye-Xin, et al.
Pubblicazione: (2025)
di: Lu, Ye-Xin, et al.
Pubblicazione: (2025)
WenetSpeech4TTS: A 12,800-hour Mandarin TTS Corpus for Large Speech Generation Model Benchmark
di: Ma, Linhan, et al.
Pubblicazione: (2024)
di: Ma, Linhan, et al.
Pubblicazione: (2024)
Diffusion-based Signal Refiner for Speech Enhancement and Separation
di: Hirano, Masato, et al.
Pubblicazione: (2023)
di: Hirano, Masato, et al.
Pubblicazione: (2023)
Improving Music Source Separation with Diffusion and Consistency Refinement
di: Karchkhadze, Tornike, et al.
Pubblicazione: (2024)
di: Karchkhadze, Tornike, et al.
Pubblicazione: (2024)
SongBloom: Coherent Song Generation via Interleaved Autoregressive Sketching and Diffusion Refinement
di: Yang, Chenyu, et al.
Pubblicazione: (2025)
di: Yang, Chenyu, et al.
Pubblicazione: (2025)
Scalable Controllable Accented TTS
di: Xinyuan, Henry Li, et al.
Pubblicazione: (2025)
di: Xinyuan, Henry Li, et al.
Pubblicazione: (2025)
Self-Train Before You Transcribe
di: Flynn, Robert, et al.
Pubblicazione: (2024)
di: Flynn, Robert, et al.
Pubblicazione: (2024)
DEX-TTS: Diffusion-based EXpressive Text-to-Speech with Style Modeling on Time Variability
di: Park, Hyun Joon, et al.
Pubblicazione: (2024)
di: Park, Hyun Joon, et al.
Pubblicazione: (2024)
Zero-Shot TTS With Enhanced Audio Prompts: Bsc Submission For The 2026 Wildspoof Challenge TTS Track
di: Giraldo, Jose, et al.
Pubblicazione: (2026)
di: Giraldo, Jose, et al.
Pubblicazione: (2026)
HD-PPT: Hierarchical Decoding of Content- and Prompt-Preference Tokens for Instruction-based TTS
di: Nie, Sihang, et al.
Pubblicazione: (2025)
di: Nie, Sihang, et al.
Pubblicazione: (2025)
SponTTS: modeling and transferring spontaneous style for TTS
di: Li, Hanzhao, et al.
Pubblicazione: (2023)
di: Li, Hanzhao, et al.
Pubblicazione: (2023)
T5Gemma-TTS Technical Report
di: Arata, Chihiro, et al.
Pubblicazione: (2026)
di: Arata, Chihiro, et al.
Pubblicazione: (2026)
E1 TTS: Simple and Fast Non-Autoregressive TTS
di: Liu, Zhijun, et al.
Pubblicazione: (2024)
di: Liu, Zhijun, et al.
Pubblicazione: (2024)
E2 TTS: Embarrassingly Easy Fully Non-Autoregressive Zero-Shot TTS
di: Eskimez, Sefik Emre, et al.
Pubblicazione: (2024)
di: Eskimez, Sefik Emre, et al.
Pubblicazione: (2024)
MoE-TTS: Enhancing Out-of-Domain Text Understanding for Description-based TTS via Mixture-of-Experts
di: Xue, Heyang, et al.
Pubblicazione: (2025)
di: Xue, Heyang, et al.
Pubblicazione: (2025)
SPADE: Structured Pruning and Adaptive Distillation for Efficient LLM-TTS
di: Nguyen, Tan Dat, et al.
Pubblicazione: (2025)
di: Nguyen, Tan Dat, et al.
Pubblicazione: (2025)
StyleFusion TTS: Multimodal Style-control and Enhanced Feature Fusion for Zero-shot Text-to-speech Synthesis
di: Chen, Zhiyong, et al.
Pubblicazione: (2024)
di: Chen, Zhiyong, et al.
Pubblicazione: (2024)
StyleTTS-ZS: Efficient High-Quality Zero-Shot Text-to-Speech Synthesis with Distilled Time-Varying Style Diffusion
di: Li, Yinghao Aaron, et al.
Pubblicazione: (2024)
di: Li, Yinghao Aaron, et al.
Pubblicazione: (2024)
ProSE: Diffusion Priors for Speech Enhancement
di: Kumar, Sonal, et al.
Pubblicazione: (2025)
di: Kumar, Sonal, et al.
Pubblicazione: (2025)
DAIEN-TTS: Disentangled Audio Infilling for Environment-Aware Text-to-Speech Synthesis
di: Lu, Ye-Xin, et al.
Pubblicazione: (2025)
di: Lu, Ye-Xin, et al.
Pubblicazione: (2025)
Chatterbox-Flash: Prior-Calibrated Block Diffusion for Streaming Zero-Shot TTS
di: Seo, Deokjin, et al.
Pubblicazione: (2026)
di: Seo, Deokjin, et al.
Pubblicazione: (2026)
Evaluation of preprocessing pipelines in the creation of in-the-wild TTS datasets
di: Di Bernardo, Matías, et al.
Pubblicazione: (2025)
di: Di Bernardo, Matías, et al.
Pubblicazione: (2025)
DisContSE: Single-Step Diffusion Speech Enhancement Based on Joint Discrete and Continuous Embeddings
di: Fu, Yihui, et al.
Pubblicazione: (2026)
di: Fu, Yihui, et al.
Pubblicazione: (2026)
DiTReducio: A Training-Free Acceleration for DiT-Based TTS via Progressive Calibration
di: Huo, Yanru, et al.
Pubblicazione: (2025)
di: Huo, Yanru, et al.
Pubblicazione: (2025)
A Non-autoregressive Model for Joint STT and TTS
di: Sunder, Vishal, et al.
Pubblicazione: (2025)
di: Sunder, Vishal, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Discrete-Time Diffusion-Like Models for Speech Synthesis
di: Tan, Xiaozhou, et al.
Pubblicazione: (2025) -
Decoding Order Matters in Autoregressive Speech Synthesis
di: Zhao, Minghui, et al.
Pubblicazione: (2026) -
Score-Based Training for Energy-Based TTS Models
di: Sun, Wanli, et al.
Pubblicazione: (2025) -
Beyond the Utterance: An Empirical Study of Very Long Context Speech Recognition
di: Flynn, Robert, et al.
Pubblicazione: (2026) -
ViT-TTS: Visual Text-to-Speech with Scalable Diffusion Transformer
di: Liu, Huadai, et al.
Pubblicazione: (2023)