:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Kuan-Yu, Lin, Yi-Cheng, Hsieh, Po-Chung, Chou, Huang-Cheng, Hsu, Chih-Fan, Li, Jeng-Lin, Lee, Hung-yi, Ding, Jian-Jiun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Signal Processing Sound I.2.7; H.5.5
Online-Zugang:	https://arxiv.org/abs/2603.20743
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SeamlessEdit: Background Noise Aware Zero-Shot Speech Editing with in-Context Enhancement
von: Chen, Kuan-Yu, et al.
Veröffentlicht: (2025)

Bloodroot: When Watermarking Turns Poisonous For Stealthy Backdoor
von: Chen, Kuan-Yu, et al.
Veröffentlicht: (2025)

A Self-Refining Framework for Enhancing ASR Using TTS-Synthesized Data
von: Chou, Cheng-Kang, et al.
Veröffentlicht: (2025)

Auptimize: Optimal Placement of Spatial Audio Cues for Extended Reality
von: Cho, Hyunsung, et al.
Veröffentlicht: (2024)

Toward Fair Speech Technologies: A Comprehensive Survey of Bias and Fairness in Speech AI
von: Lin, Yi-Cheng, et al.
Veröffentlicht: (2026)

Do Prompts Really Prompt? Exploring the Prompt Understanding Capability of Whisper
von: Yang, Chih-Kai, et al.
Veröffentlicht: (2024)

Measuring Robustness of Speech Recognition from MEG Signals Under Distribution Shift
von: Chien, Sheng-You, et al.
Veröffentlicht: (2026)

Mitigating Subgroup Disparities in Multi-Label Speech Emotion Recognition: A Pseudo-Labeling and Unsupervised Learning Approach
von: Lin, Yi-Cheng, et al.
Veröffentlicht: (2025)

Matcha-TTS: A fast TTS architecture with conditional flow matching
von: Mehta, Shivam, et al.
Veröffentlicht: (2023)

Signal-Theoretic Characterization of Waveguide Mesh Geometries for Models of Two--Dimensional Wave Propagation in Elastic Media
von: Fontana, Federico, et al.
Veröffentlicht: (2001)

Improving Speech Emotion Recognition in Under-Resourced Languages via Speech-to-Speech Translation with Bootstrapping Data Selection
von: Lin, Hsi-Che, et al.
Veröffentlicht: (2024)

Low-Resource Self-Supervised Learning with SSL-Enhanced TTS
von: Hsu, Po-chun, et al.
Veröffentlicht: (2023)

MAIN-VC: Lightweight Speech Representation Disentanglement for One-shot Voice Conversion
von: Li, Pengcheng, et al.
Veröffentlicht: (2024)

Zero Resource Code-switched Speech Benchmark Using Speech Utterance Pairs For Multiple Spoken Languages
von: Huang, Kuan-Po, et al.
Veröffentlicht: (2023)

Online Correction of Dispersion Error in 2D Waveguide Meshes
von: Fontana, Federico, et al.
Veröffentlicht: (2000)

Dual-Process Scaffold Reasoning for Enhancing LLM Code Debugging
von: Hsieh, Po-Chung, et al.
Veröffentlicht: (2025)

Masked Contrastive Pre-Training Improves Music Audio Key Detection
von: Yonay, Ori, et al.
Veröffentlicht: (2026)

SoundPlot: An Open-Source Framework for Birdsong Acoustic Analysis and Neural Synthesis with Interactive 3D Visualization
von: Mehdi, Naqcho Ali, et al.
Veröffentlicht: (2026)

Spatial Audio Rendering for Real-Time Speech Translation in Virtual Meetings
von: Geleta, Margarita, et al.
Veröffentlicht: (2025)

Should you use a probabilistic duration model in TTS? Probably! Especially for spontaneous speech
von: Mehta, Shivam, et al.
Veröffentlicht: (2024)

Dichotic harmony for the musical practice
von: Madgazin, Vadim R.
Veröffentlicht: (2010)

Beyond Rules: Towards Basso Continuo Personal Style Identification
von: Štefunko, Adam, et al.
Veröffentlicht: (2026)

Membership Inference Attacks against Large Audio Language Models
von: Dong, Jia-Kai, et al.
Veröffentlicht: (2026)

If You Hold Me Without Hurting Me: Pathways to Designing Game Audio for Healthy Escapism and Player Well-being
von: Nunes, Caio, et al.
Veröffentlicht: (2025)

How much to Dereverberate? Low-Latency Single-Channel Speech Enhancement in Distant Microphone Scenarios
von: Venkatesh, Satvik, et al.
Veröffentlicht: (2025)

Tailors: New Music Timbre Visualizer to Entertain Music Through Imagery
von: Lee, ChungHa
Veröffentlicht: (2024)

MuQ-Eval: An Open-Source Per-Sample Quality Metric for AI Music Generation Evaluation
von: Zhu, Di, et al.
Veröffentlicht: (2026)

Unsupervised Evaluation of Deep Audio Embeddings for Music Structure Analysis
von: Marmoret, Axel
Veröffentlicht: (2026)

How Contrastive Decoding Enhances Large Audio Language Models?
von: Lin, Tzu-Quan, et al.
Veröffentlicht: (2026)

Guitar Tone Morphing by Diffusion-based Model
von: Chen, Kuan-Yu, et al.
Veröffentlicht: (2025)

VIBE: Voice-Induced open-ended Bias Evaluation for Large Audio-Language Models via Real-World Speech
von: Lin, Yi-Cheng, et al.
Veröffentlicht: (2026)

Audio Foundation Models Outperform Symbolic Representations for Piano Performance Evaluation
von: Dhiman, Jai
Veröffentlicht: (2026)

PromptReverb: Multimodal Room Impulse Response Generation Through Latent Rectified Flow Matching
von: Vosoughi, Ali, et al.
Veröffentlicht: (2025)

Compositional Phoneme Approximation for L1-Grounded L2 Pronunciation Training
von: Park, Jisang, et al.
Veröffentlicht: (2024)

Singing Timbre Popularity Assessment Based on Multimodal Large Foundation Model
von: Wang, Zihao, et al.
Veröffentlicht: (2025)

BEAT: Tokenizing and Generating Symbolic Music by Uniform Temporal Steps
von: Qian, Lekai, et al.
Veröffentlicht: (2026)

Hearing the Order: Investigating Position Bias in Large Audio-Language Models
von: Lin, Yu-Xiang, et al.
Veröffentlicht: (2025)

Towards General-Purpose Text-Instruction-Guided Voice Conversion
von: Kuan, Chun-Yi, et al.
Veröffentlicht: (2023)

Style Amnesia: Investigating Speaking Style Degradation and Mitigation in Multi-Turn Spoken Language Models
von: Lin, Yu-Xiang, et al.
Veröffentlicht: (2025)

Quantum-Enhanced Analysis and Grading of Vocal Performance
von: Agarwal, Rohan
Veröffentlicht: (2025)