一种用于单通道语音增强的无掩码神经网络
声音
2023-06-08 v1 人工智能
音频与语音处理
摘要
在语音增强中，目标语音相位缺乏清晰的结构特征，需要使用保守且繁琐的网络框架。使用直接方法与简单网络架构似乎难以取得有竞争力的性能。然而，我们提出MFNet，一种直接且简单的网络，不仅能映射语音，也能映射反向噪声。该网络通过堆叠全局局部former块（GLFBs）构建，其结合了Mobileblock用于全局处理的优势与Metaformer架构用于局部交互的优势。我们的实验结果表明，采用映射方法的网络优于掩码方法，且在强噪声环境下直接映射反向噪声是最优解。在2020年Deep Noise Suppression（DNS）无混响挑战测试集上的横向比较中，据我们所知，MFNet是当前最先进（SOTA）的映射模型。
引用
@article{arxiv.2306.04286,
title = {A Mask Free Neural Network for Monaural Speech Enhancement},
author = {Liang Liu and Haixin Guan and Jinlong Ma and Wei Dai and Guangyong Wang and Shaowei Ding},
journal= {arXiv preprint arXiv:2306.04286},
year = {2023}
}