面向 ASR 的基于参数抖动的低复杂度语音编解码器
音频与语音处理
2025-12-12 v3
摘要
抖动是改善有损数据压缩感知质量的常用技术.本文从理论和实验角度论证了在语音压缩输入中使用抖动的合理性.我们形式化了在有损输入压缩下实现最佳 ASR 性能的理解,并基于此提出一种参数化抖动技术,用于低复杂度语音压缩管道.该方法在1位分辨率下表现良好,显示出25%的相对 CER 改善;在2位和3位分辨率下分别实现32.4%和33.5%的改善,其中一种抖动方案还实现了更低的数据速率.该编解码器可适应以满足性能目标或保持在熵约束内.
引用
@article{arxiv.2512.00511,
title = {A Low-Complexity Speech Codec Using Parametric Dithering for ASR},
author = {Ellison Murray and Morriel Kasher and Predrag Spasojevic},
journal= {arXiv preprint arXiv:2512.00511},
year = {2025}
}
备注
10 pages, 8 figures, Accepted 2026 Data Compression Conference