EffiFusion-GAN：用于语音增强的高效融合生成对抗网络
声音
2025-08-21 v1 人工智能
音频与语音处理
摘要
我们提出了 EffiFusion-GAN（高效融合生成对抗网络），一个轻量级但功能强大的语音增强模型。该模型在多尺度模块中集成了深度可分离卷积，以高效捕获多样化的声学特征。一种具有双重归一化和残差细化的增强注意力机制进一步提高了训练稳定性和收敛性。此外，应用动态剪枝可在保持性能的同时减小模型尺寸，使该框架适用于资源受限的环境。在公开的 VoiceBank+DEMAND 数据集上的实验评估表明，EffiFusion-GAN 的 PESQ 得分为 3.45，在相同参数设置下优于现有模型。
引用
@article{arxiv.2508.14525,
title = {EffiFusion-GAN: Efficient Fusion Generative Adversarial Network for Speech Enhancement},
author = {Bin Wen and Tien-Ping Tan},
journal= {arXiv preprint arXiv:2508.14525},
year = {2025}
}