用于语音恢复的插值型随机微分方程扩散模型的快速插值求解器
音频与语音处理
2026-03-11 v1
摘要
扩散概率模型（DPMs）是无条件图像生成中成熟的扩散模型，而 SGMSE+ 是用于语音增强的成熟条件扩散模型。扩散模型的一个缺点是需要对大型神经网络进行大量求解。虽然已 developed advanced fast sampling solvers for DPMs，但它们不能直接应用于此类模型，如 SGMSE+，由于其扩散过程的差异。具体而言，DPMs 在数据分布和标准高斯分布之间进行转换，而 SGMSE+ 在目标分布和带噪声观测值之间进行插值。本文首先发展一种包含 SGMSE+ 的插值型随机微分方程（iSDE）的形式化方法，其次提出 iSDE 的求解器。该求解器使 fast sampling 能够仅通过 10 次神经网络求解即可跨越多个语音恢复任务。
引用
@article{arxiv.2603.09508,
title = {A Fast Solver for Interpolating Stochastic Differential Equation Diffusion Models for Speech Restoration},
author = {Bunlong Lay and Timo Gerkmann},
journal= {arXiv preprint arXiv:2603.09508},
year = {2026}
}