ARTT：基于增强扩散-目标训练的无监督单音频语音脱回声
音频与语音处理
2026-03-20 v1
摘要
由于缺乏干净参考信号和空间线索，单音频无监督语音脱回声面临巨大挑战，属于高度病态的逆问题。为此我们提出增强扩散-目标训练 (ARTT) 方法，包含两个阶段。第一阶段提出扩散-目标训练 (RTT)，通过进一步对观测到的扩散混合信号进行扩散，然后利用判别式训练方式训练深度神经网络 (DNN) 以恢复观测到的扩散混合信号。虽然目标信号本身仍为扩散信号，但我们发现得到的 DNN 能有效减少回声。第二阶段引入基于均值教师算法的在线自蒸馈机制，以进一步提升脱回声效果。实验评估表明，ARTT 在无监督语音脱回声方面取得显著优势，显著优于现有基线方法。
引用
@article{arxiv.2603.18485,
title = {ARTT: Augmented Reverberant-Target Training for Unsupervised Monaural Speech Dereverberation},
author = {Siqi Song and Fulin Wu and Zhong-Qiu Wang},
journal= {arXiv preprint arXiv:2603.18485},
year = {2026}
}
备注
in submission