EffCRN：一种用于高性能语音增强的高效卷积循环网络
音频与语音处理
2023-06-06 v1
摘要
全卷积循环神经网络（FCRN）在单通道语音增强中已展现出最先进的性能。然而，原始 FCRN 的参数数量和每秒 FLOPs 过高。另一类重要的高效网络是 CRUSE 拓扑，其作为我们工作中的参考。通过一次性应用若干拓扑改变，我们提出了一种高效的 FCRN（FCRN15）以及一个高效卷积循环神经网络新系列（EffCRN23、EffCRN23lite）。我们表明，我们的 FCRN15（875K 参数）和 EffCRN23lite（396K）分别在 PESQ、DNSMOS 和 DeltaSNR 方面优于已有的高效 CRUSE5（85M）和 CRUSE4（7.2M）网络，同时所需参数减少约 94%、每帧 #FLOPs 减少约 20%。因此，根据这些指标，FCRN/EffCRN 类网络为语音增强提供了新的同类最佳网络拓扑。
引用
@article{arxiv.2306.02778,
title = {EffCRN: An Efficient Convolutional Recurrent Network for High-Performance Speech Enhancement},
author = {Marvin Sach and Jan Franzen and Bruno Defraene and Kristoff Fluyt and Maximilian Strake and Wouter Tirry and Tim Fingscheidt},
journal= {arXiv preprint arXiv:2306.02778},
year = {2023}
}
备注
5 pages, 5 figures, accepted for Interspeech 2023