基于条件感知训练的高效声学回声抑制
音频与语音处理
2023-07-31 v1
摘要
深度声学回声控制（DAEC）这一主题近年来出现了许多采用不同模型拓扑的方法。卷积循环网络（CRN）由卷积编码器与解码器及中间的循环瓶颈组成，因其在双讲（DT）条件下仍能保留近端语音的能力而被反复使用。然而，以往的架构要么计算复杂，要么以模型尺寸减小换取性能下降。我们提出了一种改进的 CRN 拓扑，与其他同类架构实现相比，不仅节省了参数量与计算复杂度，而且在双讲条件下表现出更优性能，优于基线架构 FCRN 与 CRUSE。为追求条件感知训练，我们还展示了双讲高占比以及训练数据中缺失纯近端语音的重要性。最后，我们展示了如何通过条件感知分量损失函数微调来控制激进回声抑制与近端语音保留之间的权衡。
引用
@article{arxiv.2307.15630,
title = {Efficient Acoustic Echo Suppression with Condition-Aware Training},
author = {Ernst Seidel and Pejman Mowlaee and Tim Fingscheidt},
journal= {arXiv preprint arXiv:2307.15630},
year = {2023}
}
备注
5 pages, accepted to WASPAA 2023