通过 MetricGAN 后处理提升语音增强模型的客观评分
音频与语音处理
2021-03-04 v2 机器学习
声音
摘要
Transformer 架构在许多不同的自然语言处理应用中展现出了优于循环神经网络的能力。因此，我们的研究将修改后的 Transformer 应用于语音增强任务。具体而言，Transformer 中的位置编码对于语音增强可能并非必要，因此将其替换为卷积层。为了进一步提高增强语音的语音质量感知评估（PESQ）分数，使用 MetricGAN 框架对以 预训练的 Transformer 进行微调。所提出的 MetricGAN 可被视为一个通用的后处理模块，用于进一步提升所关注的客观评分。实验使用 Deep Noise Suppression (DNS) 挑战赛组织者提供的数据集进行。实验结果表明，所提出的系统在主观和客观评估中均以较大优势优于挑战赛基线。
引用
@article{arxiv.2006.10296,
title = {Boosting Objective Scores of a Speech Enhancement Model by MetricGAN Post-processing},
author = {Szu-Wei Fu and Chien-Feng Liao and Tsun-An Hsieh and Kuo-Hsuan Hung and Syu-Siang Wang and Cheng Yu and Heng-Cheng Kuo and Ryandhimas E. Zezario and You-Jin Li and Shang-Yi Chuang and Yen-Ju Lu and Yu Tsao},
journal= {arXiv preprint arXiv:2006.10296},
year = {2021}
}
备注
Accepted by APSIPA 2020