音频与语音处理

最近提交的作者和标题

• 2025年09月05日， 星期五
• 2025年09月04日， 星期四
• 2025年09月03日， 星期三
• 2025年09月01日， 星期一
• 2025年08月29日， 星期五

查看今天的 新的 变化

2025年09月04日， 星期四 (展示 12 之 12 条目 )

[9] arXiv:2509.03372 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 一种对自动口语评估中的评分序数和非均匀区间进行建模的有效策略 显示英文标题

标题： An Effective Strategy for Modeling Score Ordinality and Non-uniform Intervals in Automated Speaking Assessment

Tien-Hong Lo, Szu-Yu Chen, Yao-Ting Sung, Berlin Chen

评论： 被ASRU 2025接收

主题： 音频与语音处理 (eess.AS) ; 机器学习 (cs.LG) ; 声音 (cs.SD)

[10] arXiv:2509.03292 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 通过三元组损失和自监督嵌入改进感知音频美学评估 显示英文标题

标题： Improving Perceptual Audio Aesthetic Assessment via Triplet Loss and Self-Supervised Embeddings

Dyah A. M. G. Wisnu, Ryandhimas E. Zezario, Stefano Rini, Hsin-Min Wang, Yu Tsao

评论： 被IEEE自动语音识别与理解研讨会（ASRU）2025接受

主题： 音频与语音处理 (eess.AS) ; 机器学习 (cs.LG) ; 声音 (cs.SD)

[11] arXiv:2509.03021 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 基于大型语言模型的助听器零样本非侵入性语音可懂度研究 显示英文标题

标题： A Study on Zero-Shot Non-Intrusive Speech Intelligibility for Hearing Aids Using Large Language Models

Ryandhimas E. Zezario, Dyah A.M.G. Wisnu, Hsin-Min Wang, Yu Tsao

评论： 被IEEE ICCE-TW 2025接收

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[12] arXiv:2509.03017 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 非侵入式助听器可懂度预测：最新进展、趋势与挑战 显示英文标题

标题： Non-Intrusive Intelligibility Prediction for Hearing Aids: Recent Advances, Trends, and Challenges

Ryandhimas E. Zezario

评论： APSIPA ASC 2025 意见论文

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[13] arXiv:2509.03013 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 基于不确定性感知的Whisper嵌入和sLSTM的语音可懂度评估 显示英文标题

标题： Speech Intelligibility Assessment with Uncertainty-Aware Whisper Embeddings and sLSTM

Ryandhimas E. Zezario, Dyah A.M.G. Wisnu, Hsin-Min Wang, Yu Tsao

评论： 被APSIPA ASC 2025接收

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[14] arXiv:2509.02622 (交叉列表自 eess.AS) [中文pdf, pdf, 其他]

标题： IS${}^3$ : 使用深度过滤的声学场景中通用的脉冲-稳态声音分离 显示英文标题

标题： IS${}^3$ : Generic Impulsive--Stationary Sound Separation in Acoustic Scenes using Deep Filtering

Berger Clémentine (IDS, S2A), Stamadiatis Paraskevas (IDS, S2A), Badeau Roland (IDS, S2A), Essid Slim (IDS, S2A)

期刊参考： IEEE音频和声学中的信号处理应用研讨会，IEEE，2025年10月，塔霍城，加利福尼亚州，美国

主题： 音频与语音处理 (eess.AS) ; 人工智能 (cs.AI) ; 声音 (cs.SD) ; 信号处理 (eess.SP)

[15] arXiv:2509.02571 (交叉列表自 eess.AS) [中文pdf, pdf, 其他]

标题： 基于物理感知深度复合核的导向矢量高斯过程回归增强听觉 显示英文标题

标题： Gaussian Process Regression of Steering Vectors With Physics-Aware Deep Composite Kernels for Augmented Listening

Diego Di Carlo (RIKEN AIP), Koyama Shoichi (UTokyo), Nugraha Aditya Arie (RIKEN AIP), Fontaine Mathieu (LTCI, S2A), Bando Yoshiaki (AIST), Yoshii Kazuyoshi (RIKEN AIP)

主题： 音频与语音处理 (eess.AS) ; 机器学习 (cs.LG) ; 声音 (cs.SD) ; 信号处理 (eess.SP)

[16] arXiv:2509.03256 (交叉列表自 cs.CL) [中文pdf, pdf, html, 其他]

标题： 端到端语音评估模型在NOCASA 2025挑战赛中的比较 显示英文标题

标题： Comparison of End-to-end Speech Assessment Models for the NOCASA 2025 Challenge

Aleksei Žavoronkov, Tanel Alumäe

评论： 发表于IEEE MLSP 2025

主题： 计算与语言 (cs.CL) ; 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

[17] arXiv:2509.03010 (交叉列表自 cs.CL) [中文pdf, pdf, html, 其他]

标题： 减轻自动口语评估中的数据不平衡 显示英文标题

标题： Mitigating Data Imbalance in Automated Speaking Assessment

Fong-Chun Tsai, Kuan-Tang Huang, Bi-Cheng Yan, Tien-Hong Lo, Berlin Chen

评论： 提交至APSIPA 2025

主题： 计算与语言 (cs.CL) ; 机器学习 (cs.LG) ; 音频与语音处理 (eess.AS)

[18] arXiv:2509.02859 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 语音DF竞技场：语音深度伪造检测模型的排行榜 显示英文标题

标题： Speech DF Arena: A Leaderboard for Speech DeepFake Detection Models

Sandipana Dowerah, Atharva Kulkarni, Ajinkya Kulkarni, Hoan My Tran, Joonas Kalda, Artem Fedorchenko, Benoit Fauve, Damien Lolive, Tanel Alumäe, Matthew Magimai Doss

主题： 声音 (cs.SD) ; 计算与语言 (cs.CL) ; 音频与语音处理 (eess.AS)

[19] arXiv:2509.02830 (交叉列表自 cs.CL) [中文pdf, pdf, html, 其他]

标题： SSVD：用于语音识别中领域偏移下的结构化奇异值分解参数高效微调和基准测试 显示英文标题

标题： SSVD: Structured SVD for Parameter-Efficient Fine-Tuning and Benchmarking under Domain Shift in ASR

Pu Wang, Shinji Watanabe, Hugo Van hamme

评论： 被IEEE ASRU 2025接受

主题： 计算与语言 (cs.CL) ; 音频与语音处理 (eess.AS)

[20] arXiv:2509.02771 (交叉列表自 cs.SD) [中文pdf, pdf, html, 其他]

标题： 神经音频编解码器传输的说话人验证性能权衡分析 显示英文标题

标题： Analysis of Speaker Verification Performance Trade-offs with Neural Audio Codec Transmission

Nirmalya Mallick Thakur, Jia Qi Yip, Eng Siong Chng

评论： 被APSIPA ASC 2025接受

主题： 声音 (cs.SD) ; 音频与语音处理 (eess.AS)

2025年09月03日， 星期三 (展示 首先 46 之 13 条目 )

[21] arXiv:2509.01939 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 群体相对策略优化用于语音识别 显示英文标题

标题： Group Relative Policy Optimization for Speech Recognition

Prashanth Gurunath Shivakumar, Yile Gu, Ankur Gandhe, Ivan Bulyko

评论： 被ASRU 2025接受

主题： 音频与语音处理 (eess.AS)

[22] arXiv:2509.01929 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 双耳掩蔽在实际中的应用：环境噪声中相位反转语音的感知水平 显示英文标题

标题： Binaural Unmasking in Practical Use: Perceived Level of Phase-inverted Speech in Environmental Noise

Rina Kotani, Chiaki Miyazaki, Shiro Suzuki

主题： 音频与语音处理 (eess.AS)

[23] arXiv:2509.01900 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 多语言语音识别使用离散标记的两步训练策略 显示英文标题

标题： Multilingual Speech Recognition Using Discrete Tokens with a Two-step Training Strategy

Zehan Li, Yan Yang, Xueqing Li, Jian Kang, Xiao-Lei Zhang, Jie Li

评论： 被NCMMSC 2024接受

主题： 音频与语音处理 (eess.AS)

[24] arXiv:2509.01889 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 从评估到优化：面向下游应用的神经语音评估 显示英文标题

标题： From Evaluation to Optimization: Neural Speech Assessment for Downstream Applications

Yu Tsao

评论： 5页，1图

主题： 音频与语音处理 (eess.AS)

[25] arXiv:2509.01787 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： AHAMask：无需指令的大音频语言模型可靠任务规范 显示英文标题

标题： AHAMask: Reliable Task Specification for Large Audio Language Models without Instructions

Yiwei Guo, Bohan Li, Hankun Wang, Zhihan Li, Shuai Wang, Xie Chen, Kai Yu

评论： 15页，7表，6图

主题： 音频与语音处理 (eess.AS) ; 人工智能 (cs.AI) ; 声音 (cs.SD)

[26] arXiv:2509.01419 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 澳大利亚原住民语言与高资源语言之间的语音相似性表征：以达拉瓦尔语为例 显示英文标题

标题： Characterization of Speech Similarity Between Australian Aboriginal and High-Resource Languages: A Case Study on Dharawal

Ting Dang, Trini Manoj Jeyaseelan, Eliathamby Ambikairajah, Vidhyasaharan Sethu

评论： 被APSIPA ASC 2025接受

主题： 音频与语音处理 (eess.AS)

[27] arXiv:2509.01391 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 混合G2P-T5：使用语音自监督学习和语言模型的多语种文本无G2P语音合成 显示英文标题

标题： MixedG2P-T5: G2P-free Speech Synthesis for Mixed-script texts using Speech Self-Supervised Learning and Language Model

Joonyong Park, Daisuke Saito, Nobuaki Minematsu

评论： 在第17届亚太信号与信息处理协会年度峰会和会议（APSIPA ASC 2025）论文集中

主题： 音频与语音处理 (eess.AS) ; 计算与语言 (cs.CL)

[28] arXiv:2509.01087 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 带有三阶段训练的噪声去纠缠方法用于噪声鲁棒的语音识别 显示英文标题

标题： Noisy Disentanglement with Tri-stage Training for Noise-Robust Speech Recognition

Shuangyuan Chen, Shuang Wei, Dongxing Xu, Yanhua Long

评论： 11页，4图

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[29] arXiv:2509.00685 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： MPO：基于语言模型的文本到语音的多维偏好优化 显示英文标题

标题： MPO: Multidimensional Preference Optimization for Language Model-based Text-to-Speech

Kangxiang Xia, Xinfa Zhu, Jixun Yao, Lei Xie

评论： 被NCMMSC2025接受

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[30] arXiv:2509.00675 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 基于音素级预训练语言模型的说话人条件短语断点预测用于文本到语音 显示英文标题

标题： Speaker-Conditioned Phrase Break Prediction for Text-to-Speech with Phoneme-Level Pre-trained Language Model

Dong Yang, Yuki Saito, Takaaki Saeki, Tomoki Koriyama, Wataru Nakata, Detai Xin, Hiroshi Saruwatari

评论： 正在审核中

主题： 音频与语音处理 (eess.AS)

[31] arXiv:2509.00400 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 深度学习用于个性化双耳音频再现 显示英文标题

标题： Deep Learning for Personalized Binaural Audio Reproduction

Xikun Lu, Yunda Chen, Zehua Chen, Jie Wang, Mingxing Liu, Hongmei Hu, Chengshi Zheng, Stefan Bleeck, Jinqiu Sang

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[32] arXiv:2509.00106 (交叉列表自 eess.AS) [中文pdf, pdf, html, 其他]

标题： 量子增强的语音表演分析与评分 显示英文标题

标题： Quantum-Enhanced Analysis and Grading of Vocal Performance

Rohan Agarwal

评论： 4页，5图。混合量子-经典可行性研究；仅模拟器结果

主题： 音频与语音处理 (eess.AS) ; 声音 (cs.SD)

[33] arXiv:2509.00094 (交叉列表自 eess.AS) [中文pdf, pdf, 其他]

标题： 使用深度学习的《古兰经》学习者发音错误检测与纠正 显示英文标题

标题： Automatic Pronunciation Error Detection and Correction of the Holy Quran's Learners Using Deep Learning

Abdullah Abdelfattah, Mahmoud I. Khalil, Hazem Abbas

主题： 音频与语音处理 (eess.AS) ; 人工智能 (cs.AI) ; 计算与语言 (cs.CL) ; 机器学习 (cs.LG) ; 声音 (cs.SD)