Buchumschlag

Who is Speaking or Who is Depressed? A Controlled Study of Speaker Leakage in Speech-Based Depression Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yeh, Hsiang-Chen, Sun, Luqi, Mahapatra, Aurosweta, Chandra, Shreeram Suresh, Provost, Emily Mower, Sisman, Berrak
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

HuLA: Prosody-Aware Anti-Spoofing with Multi-Task Learning for Expressive and Emotional Synthetic Speech
von: Mahapatra, Aurosweta, et al.
Veröffentlicht: (2025)

Text-to-Speech for Unseen Speakers via Low-Complexity Discrete Unit-Based Frame Selection
von: Ulgen, Ismail Rasim, et al.
Veröffentlicht: (2024)

ProSDD: Learning Prosodic Representations for Speech Deepfake Detection against Expressive and Emotional Attacks
von: Mahapatra, Aurosweta, et al.
Veröffentlicht: (2026)

Exploring speech style spaces with language models: Emotional TTS without emotion labels
von: Chandra, Shreeram Suresh, et al.
Veröffentlicht: (2024)

NaturalVoices: A Large-Scale, Spontaneous and Emotional Podcast Dataset for Voice Conversion
von: Du, Zongyang, et al.
Veröffentlicht: (2025)

Style Mixture of Experts for Expressive Text-To-Speech Synthesis
von: Jawaid, Ahad, et al.
Veröffentlicht: (2024)

Can Emotion Fool Anti-spoofing?
von: Mahapatra, Aurosweta, et al.
Veröffentlicht: (2025)

Towards Naturalistic Voice Conversion: NaturalVoices Dataset with an Automatic Processing Pipeline
von: Salman, Ali N., et al.
Veröffentlicht: (2024)

More Similar than Dissimilar: Modeling Annotators for Cross-Corpus Speech Emotion Recognition
von: Tavernor, James, et al.
Veröffentlicht: (2025)

DART: Disentanglement of Accent and Speaker Representation in Multispeaker Text-to-Speech
von: Melechovsky, Jan, et al.
Veröffentlicht: (2024)

Rethinking Speaker Embeddings for Speech Generation: Sub-Center Modeling for Capturing Intra-Speaker Diversity
von: Ulgen, Ismail Rasim, et al.
Veröffentlicht: (2024)

Efficient Finetuning for Dimensional Speech Emotion Recognition in the Age of Transformers
von: Sampath, Aneesha, et al.
Veröffentlicht: (2025)

Revealing Emotional Clusters in Speaker Embeddings: A Contrastive Learning Strategy for Speech Emotion Recognition
von: Ulgen, Ismail Rasim, et al.
Veröffentlicht: (2024)

Neuron-Level Emotion Control in Speech-Generative Large Audio-Language Models
von: Zhao, Xiutian, et al.
Veröffentlicht: (2026)

The Whole Is Bigger Than the Sum of Its Parts: Modeling Individual Annotators to Capture Emotional Variability
von: Tavernor, James, et al.
Veröffentlicht: (2024)

Beyond Binary: Multiclass Paraphasia Detection with Generative Pretrained Transformers and End-to-End Models
von: Perez, Matthew, et al.
Veröffentlicht: (2024)

Accented Text-to-Speech Synthesis with a Conditional Variational Autoencoder
von: Melechovsky, Jan, et al.
Veröffentlicht: (2022)

SNIPER Training: Single-Shot Sparse Training for Text-to-Speech
von: Lam, Perry, et al.
Veröffentlicht: (2022)

Accent Conversion in Text-To-Speech Using Multi-Level VAE and Adversarial Training
von: Melechovsky, Jan, et al.
Veröffentlicht: (2024)

TellWhisper: Tell Whisper Who Speaks When
von: Hu, Yifan, et al.
Veröffentlicht: (2026)

Discovering and Causally Validating Emotion-Sensitive Neurons in Large Audio-Language Models
von: Zhao, Xiutian, et al.
Veröffentlicht: (2026)

Optimizing Speech-Input Length for Speaker-Independent Depression Classification
von: Rutowski, Tomasz, et al.
Veröffentlicht: (2024)

From Who Said What to Who They Are: Modular Training-free Identity-Aware LLM Refinement of Speaker Diarization
von: Chen, Yu-Wen, et al.
Veröffentlicht: (2025)

Validating Computational Markers of Depressive Behavior: Cross-Linguistic Speech-Based Depression Detection with Neurophysiological Validation
von: Tao, Fuxiang, et al.
Veröffentlicht: (2026)

Enhancing Speech Emotion Recognition Through Differentiable Architecture Search
von: Rajapakshe, Thejan, et al.
Veröffentlicht: (2023)

Who is Authentic Speaker
von: Huang, Qiang
Veröffentlicht: (2024)

Distinctive Feature Codec: An Adaptive Efficient Speech Representation for Depression Detection
von: Zhang, Xiangyu, et al.
Veröffentlicht: (2025)

Automatic Detection of Depression in Speech Using Ensemble Convolutional Neural Networks
von: Vázquez-Romero, Adrián, et al.
Veröffentlicht: (2024)

PRESENT: Zero-Shot Text-to-Prosody Control
von: Lam, Perry, et al.
Veröffentlicht: (2024)

Objective Evaluation of Prosody and Intelligibility in Speech Synthesis via Conditional Prediction of Discrete Tokens
von: Ulgen, Ismail Rasim, et al.
Veröffentlicht: (2025)

Converting Anyone's Voice: End-to-End Expressive Voice Conversion with a Conditional Diffusion Model
von: Du, Zongyang, et al.
Veröffentlicht: (2024)

SpeechT-RAG: Reliable Depression Detection in LLMs with Retrieval-Augmented Generation Using Speech Timing Information
von: Zhang, Xiangyu, et al.
Veröffentlicht: (2025)

Universal Speech Content Factorization
von: Xinyuan, Henry Li, et al.
Veröffentlicht: (2026)

Discrete Unit based Masking for Improving Disentanglement in Voice Conversion
von: Lee, Philip H., et al.
Veröffentlicht: (2024)

DiffAnon: Diffusion-based Prosody Control for Voice Anonymization
von: Ulgen, Ismail Rasim, et al.
Veröffentlicht: (2026)

Content Leakage in LibriSpeech and Its Impact on the Privacy Evaluation of Speaker Anonymization
von: Franzreb, Carlos, et al.
Veröffentlicht: (2026)

emoDARTS: Joint Optimisation of CNN & Sequential Neural Network Architectures for Superior Speech Emotion Recognition
von: Rajapakshe, Thejan, et al.
Veröffentlicht: (2024)

JIS: A Speech Corpus of Japanese Idol Speakers with Various Speaking Styles
von: Kondo, Yuto, et al.
Veröffentlicht: (2025)

Speech-based Clinical Depression Screening: An Empirical Study
von: Chen, Yangbin, et al.
Veröffentlicht: (2024)

Who Said What? An Automated Approach to Analyzing Speech in Preschool Classrooms
von: Sun, Anchen, et al.
Veröffentlicht: (2024)