基于距离的单通道目标语提取
音频与语音处理
2024-12-31 v1 声音
摘要
本文旨在仅利用距离信息实现密闭环境中的单通道目标语提取（TSE）。本文是首个仅使用距离线索而不依赖说话人生理信息进行单通道TSE的工作。灵感来源于最近的单通道距离基分离与提取方法，本文引入了一种新型模型，高效地将距离信息与时频（TF）图块融合用于TSE。实验结果在单房间和多房间场景中均表明了本方法的可行性与有效性。该方法还可用于估计混合语中不同说话人的距离。线上演示可在 https://runwushi.github.io/distance-demo-page 查看。
引用
@article{arxiv.2412.20144,
title = {Distance Based Single-Channel Target Speech Extraction},
author = {Runwu Shi and Benjamin Yen and Kazuhiro Nakadai},
journal= {arXiv preprint arXiv:2412.20144},
year = {2024}
}
备注
5 pages, 3 figures, accepted by ICASSP 2025