用于实时语音增强的双路径自注意力循环神经网络
声音
2021-04-30 v2 音频与语音处理
摘要
我们提出了一种用于时域语音增强的双路径自注意力循环神经网络（DP-SARNN）。我们通过用最近提出的高效注意力机制增强块间和块内 RNN 来改进双路径 RNN（DP-RNN）。块间与块内注意力的结合改进了针对长序列语音帧的注意力机制。DP-SARNN 通过使用比 DP-RNN 大四倍的帧移优于基线 DP-RNN，从而大幅减少了每句话的计算时间。因此，我们通过使用长短期记忆（LSTM）RNN 和块间 SARNN 中的因果注意力开发了实时 DP-SARNN。DP-SARNN 显著优于现有的语音增强方法，平均处理 32 ms 的信号块需要 7.9 ms CPU 时间。
引用
@article{arxiv.2010.12713,
title = {Dual-path Self-Attention RNN for Real-Time Speech Enhancement},
author = {Ashutosh Pandey and DeLiang Wang},
journal= {arXiv preprint arXiv:2010.12713},
year = {2021}
}