噪声抑制损失对语音失真与ASR性能的影响
音频与语音处理
2021-11-24 v1 声音
摘要
基于深度学习的语音增强在提升质量方面取得了快速发展，同时模型变得更加紧凑，可用于边缘端实时推理。然而，语音质量随模型规模直接变化，小模型往往仍无法实现足够的质量。此外，引入的语音失真与伪影严重损害语音质量与可懂度，并常显著降级自动语音识别（ASR）率。本工作中，我们阐明了谱复数压缩均方误差（MSE）损失的成功之处，及其幅度与相位感知项如何关联语音失真与噪声抑制之间的权衡。我们进一步研究了集成预训练的无参考平均意见得分（MOS）与词错误率（WER）预测器，以及用于 ASR 与声音事件检测的预训练嵌入。我们的分析表明，相较于强谱损失，所加入的预训练网络均未带来显著性能提升。
引用
@article{arxiv.2111.11606,
title = {Effect of noise suppression losses on speech distortion and ASR performance},
author = {Sebastian Braun and Hannes Gamper},
journal= {arXiv preprint arXiv:2111.11606},
year = {2021}
}
备注
submitted to ICASSP 2022