Let IT Begin

BridgeCodec: Mamba Enhanced Neural Audio Codec with Schrodinger Bridge at Low BitrateNeural audio codec은 rigidly co-trained encoder-decoder pair로 인해 interoperability의 한계가 있음BridgeCodecCross-codec translation을 Schrodinger bridge로 formulate 하여 disparate distribution 간의 robust mapping을 지원추가적으로 Mamba-enhanced U-Net architecture를 활용하여 long range temporal dependency를 capture논문 (INTERSPEECH 2026) : Pap..

MSR-HuBERT: Self-Supervised Pre-Training for Adaptation to Multiple Sampling Rates기존의 Self-Supervised Learning model은 single sampling rate에서만 동작함MSR-HuBERTMulti-sampling-rate adaptive downsampling CNN을 활용하여 여러 sampling rate의 raw waveform을 shared temporal resolution으로 mappingUnified mixed-rate pre-training, fine-tuning을 지원하여 frequency modeling을 개선논문 (INTERSPEECH 2026) : Paper Link1. IntroductionS..

TASTE-Streaming: Towards Streamable Text-Aligned Speech Tokenization and Embedding for Spoken Language ModelingText-speech joint spoken language modeling은 modality mismatch 문제와 non-causal decoder로 인한 streaming의 한계가 있음TASTE-STASTE를 기반으로 instant dual-modality encoding을 위해 CTC-based ASR module을 integrateUnit decoder를 활용해 on-the-fly decoding을 지원하고 joint training을 채택하여 latency를 절감논문 (INTERSPEECH 2026..

RobustSpeechFlow: Learning Robust Text-to-Speech Trajectories via Augmentation-based Contrastive Flow MatchingFlow-matching Text-to-Speech는 imperfect alignment로 인한 content fidelity의 한계가 존재함RobustSpeechFlowLength-preserving repeat와 skip latent augmentation을 활용한 contrastive flow matching을 통해 alignment robustness를 향상External aligner와 preference data에 대한 의존성을 제거하고 기존 pipeline에 readily integrate논문 (I..

MeanVoiceFlow2: Joint Optimization of Mean Flow and Content Encoder for Fast One-Step Zero-Shot Voice ConversionFlow matching을 활용하면 high-quality voice conversion이 가능함MeanVoiceFlow2MeanVoiceFlow를 기반으로 content encoder의 computational bottleneck을 완화추가적으로 disentanglement를 향상하기 위해 sample mixing과 Diffusion-GAN training을 incorporate논문 (INTERSPEECH 2026) : Paper Link1. IntroductionVoice Conversion (VC)는 ..

OmniVoice: Towards Omnilingual Zero-Shot Text-to-Speech with Diffusion Language ModelsMultilingual zero-shot text-to-speech model이 필요함OmniVoiceComplex 2-stage pipeline 대신 text를 multi-codebook acoustic token으로 direct mapping 하여 performance bottleneck을 완화Full-codebook random masking strategy와 LLM initialization을 활용해 multilingual coverage를 향상논문 (INTERSPEECH 2026) : Paper Link1. IntroductionZero-sho..

CycleCodec: Distillation-Free Factorized Neural Speech Codec via Cycle-Consistent Speaker SwappingFactorized neural codec은 pre-trained Self-Supervised Learning encoder나 Automatic Speech Recognition system에 의존하므로 low-resource language에서 활용하기 어려움CycleCodecCycle-consistent speaker swapping을 활용해 speaker-conditioned generation의 cross-stream leakage를 방지추가적으로 speaker-content disentanglement를 향상하기 위해 qu..

HoliTok: A Continuous Holistic Tokenization with Robust Dual Capabilities of Speech Generation and UnderstandingUnified speech modeling을 위해서는 holistic tokenization space가 필요함HoliTokSignal-level fidelity를 preserve 하면서 semantic information을 incorporate 하는 progressive training을 도입Unified AR+DiT model을 활용해 latent sequence가 generation-specific, unified generation-understanding task를 모두 지원하도록 구성논문 (EM..

이달의 슈게이즈 9회 - 26년 9월* 업로드 당일 기준 작성자 레이더망에 걸린 것들만 올리니 놓치는게 있을 수도 있습니다. 1. 눈부신 청춘을 향해 8월 28일에 떨어진 탓에 지난 이달슈에서 미처 말하지 못한 중국 슈게이즈 밴드 一點alittlebit의 데뷔 EP 로 시작해 봅시다. 전체적으로 앨범은 더 단단한 어른이 되어가는 여정을 담고 있습니다. 특히 사운드적인 측면에서 밴드는 층층이 쌓인 레이어와 감미로운 여성 보컬을 조합하여, 앨범 제목처럼 비 온 뒤의 햇살을 맞이하는 듯한 아름다운 사운드를 들려줍니다.一點alittlebit - '樹'2. 춤추는 소용돌이 4일 뉴욕에서는 Diary가 신보 를 발매했습니다. 쟁글팝, 매드체스터 기반의 댄서블한 슈게이즈 사운드를 지향하는 앨범으로써, 해당 장르의 산..