EGGCodec：一种用于声门电图重建与基频提取的鲁棒神经编解码框架

本文提出 EGGCodec，一种专为声门电图（EGG）信号重建与基频（F0）提取而设计的鲁棒神经编解码框架。我们提出了一种多尺度频域损失函数，以捕捉原始与重建 EGG 信号之间的细微关系，并辅以时域相关损失来提高泛化能力与精度。与直接从特征中提取 F0 的传统编解码模型不同，EGGCodec 利用与 F0 更紧密对应的重建 EGG 信号。通过移除传统的 GAN 判别器，我们在不牺牲效率的前提下简化了 EGGCodec 的训练过程，仅带来可忽略的性能下降。在广泛使用的包含 EGG 的数据集上训练后，大量评估表明 EGGCodec 优于当前最先进的 F0 提取方案，将平均绝对误差（MAE）从 14.14 Hz 降至 13.69 Hz，并将清浊音判决错误率（VDE）改善了 38.2%。此外，广泛的消融实验验证了 EGGCodec 每个组件的贡献。