Newest papers

NeuroCodec: EEG-Guided Latent-Domain Generative Model for High-Fidelity Target Speaker Extraction

Julian Silva, Jaliya Kodithuwakku, Navindu Sirimanna, Shaveen Herath, Wageesha N. Manamperi, Joshua P. Kulasingham · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29815 · open-access PDF

Korean

청각 보조 장치의 최근 진보로 인해, 멀티 스피커 환경에서 타겟 스피커 추출 (TSE)은 상당한 관심을 끌었습니다. 이를 해결하기 위해, 청각 기술은 TSE를 안내하기 위해 전기뇌화 (EEG)를 통해 녹음 된 신경 신호를 사용하여 관심을 식별하여 신경 지시 된 청각 관심 디코딩을 허용합니다. 그러나, 대부분의 기존 기술은 시간 주파수 마스크에 의존하며, 이는 스펙트럼-시간 상반되는 영역에서 낮은 신뢰성으로 고통 받고 종종 좁은 대역 오디오에 제한됩니다. 대조적으로, 우리는 NeuroCodec을 소개합니다.

Machine translation (Meta M2M100); the English original follows.

Abstract

Driven by recent advancements in hearing assistive devices, target speaker extraction (TSE) in multi-talker environments has drawn significant attention. To address this, hearing technologies identify attention using neural signals recorded via electroencephalography (EEG) to guide TSE, enabling neuro-steered auditory attention decoding. However, most existing techniques rely on time-frequency masking, which suffers from low fidelity in spectro-temporally overlapping regions and is often restricted to narrowband audio. In contrast, we introduce NeuroCodec, which, to the best of our knowledge,

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange