基于注意力卷积循环神经网络的复谱映射语音增强
音频与语音处理
2021-04-16 v2 声音
摘要
语音增强在可懂度和感知质量方面受益于深度学习的成功。传统的时频（TF）域方法侧重于通过朴素的卷积神经网络或循环神经网络预测 TF 掩码或语音频谱。一些近期研究基于复谱映射卷积循环神经网络（CRN）。这些模型直接跳过编码器层输出与解码器层输入之间的连接，这可能是考虑不周的。我们提出了一种编码器与解码器层之间基于注意力机制的跳跃连接，即基于注意力的卷积循环神经网络复谱映射（CARN）。与 CRN 模型相比，所提出的 CARN 模型在 PESQ、CBAK、COVL、CSIG 等多项指标上相对提升超过 10%，并在 DNS Challenge 2020 的实时与非实时赛道上这些指标均优于第一名模型。
引用
@article{arxiv.2104.05267,
title = {Complex Spectral Mapping With Attention Based Convolution Recurrent Neural Network for Speech Enhancement},
author = {Liming Zhou and Yongyu Gao and Ziluo Wang and Jiwei Li and Wenbin Zhang},
journal= {arXiv preprint arXiv:2104.05267},
year = {2021}
}
备注
Interspeech2021 submitted