会员服务
Multilingual and Multi-Accent Jailbreaking of Audio LLMs
Arxiv
0+阅读 · 4月1日
End-to-End Multi-Microphone Speaker Extraction Using Relative Transfer Functions
Arxiv
0+阅读 · 2月10日
Ultrasound Lung Aeration Map via Physics-Aware Neural Operators
Arxiv
0+阅读 · 1月2日
VoiceRestore: Flow-Matching Transformers for Speech Recording Quality Restoration
Arxiv
0+阅读 · 1月1日
The parenthood effect in urban mobility
Arxiv
0+阅读 · 1月4日
Multi-modal and Multi-scale Spatial Environment Understanding for Immersive Visual Text-to-Speech
Arxiv
0+阅读 · 1月15日
Robust Target Speaker Direction of Arrival Estimation
Arxiv
0+阅读 · 2024年12月25日
Adaptive Data Augmentation with NaturalSpeech3 for Far-field Speaker Verification
Arxiv
0+阅读 · 1月15日
Gen-A: Generalizing Ambisonics Neural Encoding to Unseen Microphone Arrays
Arxiv
0+阅读 · 1月14日
persoDA: Personalized Data Augmentation forPersonalized ASR
Arxiv
0+阅读 · 1月15日
U-Mamba-Net: A highly efficient Mamba-based U-net style network for noisy and reverberant speech separation
Arxiv
0+阅读 · 2024年12月24日
Multi-modal and Multi-scale Spatial Environment Understanding for Immersive Visual Text-to-Speech
Arxiv
1+阅读 · 2024年12月17日
Multi-modal and Multi-scale Spatial Environment Understanding for Immersive Visual Text-to-Speech
Arxiv
1+阅读 · 2024年12月16日
MoD-ART: Modal Decomposition of Acoustic Radiance Transfer
Arxiv
0+阅读 · 2024年12月5日
I2TTS: Image-indicated Immersive Text-to-speech Synthesis with Spatial Perception
Arxiv
0+阅读 · 2024年12月2日
参考链接
微信扫码咨询专知VIP会员
Top