深度长音频修复
声音
2019-11-18 v1 音频与语音处理
摘要
长（> 200 ms）音频修复，即恢复音频片段中缺失的长部分，可广泛应用于音频编辑任务和传输丢失恢复。由于音频特征具有高维、复杂且非相关的特点，这是一个极具挑战性的问题。尽管深度学习模型在图像和视频修复方面取得了巨大进展，音频修复并未受到太多关注。在这项工作中，我们迈出了开创性的一步，探索将来自包括音频合成和图像修复在内的多个领域的深度学习框架适配用于音频修复的可能性。此外，作为首个系统分析影响音频修复性能因素的研究，我们探讨了从掩码大小、感受野到音频表示等因素如何影响性能。我们还建立了长音频修复的基准。代码将在被接收后于 GitHub 上公开。
引用
@article{arxiv.1911.06476,
title = {Deep Long Audio Inpainting},
author = {Ya-Liang Chang and Kuan-Ying Lee and Po-Yu Wu and Hung-yi Lee and Winston Hsu},
journal= {arXiv preprint arXiv:1911.06476},
year = {2019}
}