通过双路径 RNN 提升 DeepFilterNet2：DPDFNet
声音
2026-01-14 v2
摘要
我们提出 DPDFNet，一种因果单通道语音增强模型，通过在编码器中引入双路径块来扩展 DeepFilterNet2 架构，强化长程时序和跨带建模，同时保持原始增强框架。此外，我们展示了通过添加缓解增强语音过度衰减的损失组件，结合针对“随时可用”应用的微调阶段，能在整体模型性能上实现显著提升。为比较我们提出的架构与各种因果开源模型，我们创建了一个新的评估集，包含跨 12 种语言的长时段、低信噪比录音，覆盖日常噪声情景，更贴近实际应用条件。 在此评估集上，DPDFNet 在其他因果开源模型中表现优异，包括一些规模更大、计算更密集的模型。我们还提出了一种整体指标 PRISM，即基于可侵入和非侵入指标的、规模归一化的综合指标，显示其与双路径模块数量的明显可扩展性。我们进一步在 Ceva-NeuPro-Nano 边缘 NPU 上实现了设备部署。结果表明，DPDFNet-4（我们第二个最大的模型）在 NPN32 上实现实时性能，并在 NPN64 上运行更快，证明了在严格的嵌入式功耗和延迟约束下，能够维持最先进的质量。
引用
@article{arxiv.2512.16420,
title = {DPDFNet: Boosting DeepFilterNet2 via Dual-Path RNN},
author = {Daniel Rika and Nino Sapir and Ido Gus},
journal= {arXiv preprint arXiv:2512.16420},
year = {2026}
}