BANC：面向重叠语音的高效双耳音频神经编解码器
声音
2024-11-26 v4 音频与语音处理
摘要
我们介绍了 BANC，一种双耳音频神经编解码器，旨在单说话人与双说话人场景下实现高效语音压缩，同时保留每位说话人的空间位置信息。我们的主要贡献如下：1) 所提模型具备压缩与解码重叠语音的能力。2) 一种新颖的架构，将语音内容与空间线索分别压缩，确保解码后每位说话人的空间上下文得以保留。3) BANC 相较于分别压缩双耳通道，能将双耳语音压缩所需带宽降低 48%。在我们的评估中，我们采用语音增强、房间声学与感知指标来评定 BANC 对干净语音与空间线索估计的准确性。
引用
@article{arxiv.2309.07416,
title = {BANC: Towards Efficient Binaural Audio Neural Codec for Overlapping Speech},
author = {Anton Ratnarajah and Shi-Xiong Zhang and Dong Yu},
journal= {arXiv preprint arXiv:2309.07416},
year = {2024}
}
备注
More results and source code are available at https://anton-jeran.github.io/MAD/