基于动态注意力生成对抗网络及相位后处理的语音增强方法
声音
2020-06-16 v1 音频与语音处理
摘要
生成对抗网络（GANs）近年来推动了语音增强的发展。然而，与最先进的模型相比，其性能优势仍然有限。本文提出了一种强大的动态注意力递归生成对抗网络，称为 DARGAN，用于时频域降噪。与以往工作不同，我们有以下几项创新。首先，在生成器中采用了递归学习这一迭代训练协议，该协议包含多个步骤。通过在每一步中复用网络，噪声成分以逐步方式被渐进式减少。其次，部署了动态注意力机制，有助于在降噪模块中重新调整特征分布。第三，我们利用深度 Griffin-Lim 算法作为相位后处理模块，这有助于进一步提升语音质量。在 Voice Bank 语料库上的实验结果表明，所提出的 GAN 相比以往基于 GAN 和非 GAN 的模型，达到了最先进的性能。
引用
@article{arxiv.2006.07530,
title = {Dynamic Attention Based Generative Adversarial Network with Phase Post-Processing for Speech Enhancement},
author = {Andong Li and Chengshi Zheng and Renhua Peng and Cunhang Fan and Xiaodong Li},
journal= {arXiv preprint arXiv:2006.07530},
year = {2020}
}
备注
5 pages, 3 figures