面向语音增强的动态频率自适应知识蒸馏
声音
2025-02-10 v1 音频与语音处理
摘要
深度学习语音增强（SE）模型最近超越了传统技术，但在资源受限设备上部署仍具有挑战性，due to 高计算和内存需求。本文引入一种新颖的动态频率自适应知识蒸馏（DFKD）方法，以有效压缩 SE 模型。我们的方法动态评估模型的输出，区分高频和低频成分，并针对不同频段的独特需求调整学习目标，充分利用 SE 任务的内在特性。为评估 DFKD 的效果，我们在三个最先进的模型上进行了实验：DCCRN、ConTasNet 和 DPTNet。结果表明，我们的方法不仅显著提升了压缩模型（学生模型）的性能，而且在针对 SE 任务的其他基于logit的知识蒸馏方法中也表现更佳。
引用
@article{arxiv.2502.04711,
title = {Dynamic Frequency-Adaptive Knowledge Distillation for Speech Enhancement},
author = {Xihao Yuan and Siqi Liu and Hanting Chen and Lu Zhou and Jian Li and Jie Hu},
journal= {arXiv preprint arXiv:2502.04711},
year = {2025}
}
备注
5 pages, 2 figures, accepted by ICASSP2025