Let IT Begin

ContextCodec: Content-Focused Context Guidance for Ultra-Low Bitrate Speech CodingNeural codec은 ultra-low bitrate에서는 preceptual quality, intelligibility를 preserve 하기 어려움ContextCodecAcoustic detail, content-focused context를 decouple하는 dual-branch encoder를 통해 explicit guide를 제공Lightweight autoregressive latent refinement module을 도입해 quality-intelligibility trade-off를 개선논문 (INTERSPEECH 2026) : Pape..

이달의 슈게이즈 10회 - 26년 10월* 업로드 당일 기준 작성자 레이더망에 걸린 것들만 올리니 놓치는게 있을 수도 있습니다. 1. 불안은 포스트-펑크를 타고 2일 그리스에서 발매된 Youth Valley의 신보 로 시작해 봅시다. 전반적으로 음울한 포스트-펑크 사운드가 두드러지는 앨범으로써 신경질적인 리듬감과 흩날리는 잔향이 눈에 띕니다. 추가적으로 7번 트랙은 80년대 포스트-펑크 밴드 The Sound의 'Winning'을 재해석한 곡이니 서로 비교하면서 감상해 보는 것도 재밌습니다.Youth Valley - 'Pills'2. 폭풍의 눈으로 한편 같은 날 미국에서는 Grouper의 Liz Harris가 속한 슈게이즈 트리오, Helen이 라는 앨범을 발표했습니다. 전체적으로 마치 몰려오는 폭풍처럼..

YingMusic-Singer: Controllable Singing Voice Synthesis with Flexible Lyric Manipulation and Annotation-Free Melody Guidance기존의 Singing Voice Synthesis model은 controllability의 한계가 있음YingMusic-SingerOptional timbre reference, melody-providing singing clip, modified lyrics를 input으로 사용하고 fully diffusion-based model을 활용해 manual alignment 없이 flexible manipulation을 지원 추가적으로 curriculum learning과 Group R..

RAF: Relativistic Adversarial Feedback for Universal Speech SynthesisGAN-based vocoder의 in-domain fidelity와 unseen scenario generalization을 향상해야 함RAFSpeech Self-Supervised Learning model을 활용해 discriminator의 sample evaluation을 assistReal/fake waveform에 대한 relativistic pairing을 통해 training data distribution modeling을 개선논문 (INTERPSEECH 2026) : Paper Link1. IntroductionNeural vocoder는 mel-spectrogra..

SSL-GMMVC: Interpretable Voice Conversion via Locally Linear GMM Transformers in Self-Supervised Representation SpaceInterpretable voice conversion model이 필요함SSL-GMMVCPaired source-target feature를 Gaussain mixture로 modelingAffine transform의 posterior-weighted summation으로 conversion을 수행논문 (INTERSPEECH 2026) : Paper Link1. IntroductionVoice Conversion (VC)는 linguistic content를 preserve 하면서 speaker..

Emo-BPO: Emotion Bidirectional Preference Optimization for Diffusion-based Emotional TTS기존의 emotional Text-to-Speech model은 fine-grained control의 한계가 있음Emo-BPOReordered same-text emotional pair를 사용하여 emotion-aligned, emotion-contrastive score function을 학습Auxiliary reward model과 additional annotation에 대한 의존성을 제거논문 (INTERSPEECH 2026) : Paper Link1. IntroductionEmotional Text-to-Speech (TTS)는 intel..

ZipCodec: Simple and Pretrained-Model-Free Speech Tokenizer via Flow-MatchingSpeech tokenizer는 massive pre-trained model이나 complex multi-stage training pipeline에 의존함ZipCodecZipformer-based flow-matching decoder에 acoustic reconstruction을 offloadingEncoder Consistency Regularization loss를 도입하여 encoder의 semantic capacity를 향상논문 (INTERSPEECH 2026) : Paper Link1. IntroductionSpeech tokenizer는 continuo..

ETC-TTS: Emotion Trajectory Learning for Controllable Emotional Text-to-SpeechEmotional Text-to-Speech는 여전히 intensity modeling의 한계가 있음ETC-TTSEmotion intensity를 latent style space의 continuous trajectory로 modelingResidual Vector Quantizer-based style extractor를 통해 emotion-aware representation을 제공하고 flow matching objective를 통해 neutral/target emotion 간의 trajectory를 학습논문 (INTERSPEECH 2026) : Paper Li..

CFLOW-VC: An Unsupervised Cycle Training Strategy based on Normalizing flows for Voice ConversionVoice Conversion model은 non-parallel setting에서 train-test mismatch 문제가 존재함CFLOW-VCNormalizing flow를 기반으로 expressive style feature를 capture 하는 mel-style encoder를 도입Noisy environment에 대한 robustness를 향상하기 위해 data augmentation을 수행논문 (INTERSPEECH 2026) : Paper Link1. IntroductionVoice Conversion (VC)는 ori..