FlexIO：灵活的单通道和多通道语音分离与增强
声音
2025-10-27 v1 音频与语音处理
信号处理
摘要
语音分离与增强（SSE）在受控环境中取得了显著进展，例如固定说话人数量和固定阵列配置。为了构建通用的SSE系统，单通道系统已扩展以处理可变数量的说话人（即输出）。同时，针对各种阵列配置（即输入）的多通道系统也得到开发。然而，这些尝试都是独立进行的。本文我们提出一种灵活的输入输出SSE系统，命名为FlexIO。它使用提示向量进行条件分离，每个说话人一个提示向量作为条件，允许分离任意数量的说话人。多通道混合信号与提示向量通过一种与阵列无关的通道通信机制一起处理。我们的实验表明，FlexIO成功涵盖了1至5个麦克风和1至3个说话人的各种条件。我们还确认FlexIO在CHiME-4真实数据上的鲁棒性。
引用
@article{arxiv.2510.21485,
title = {FlexIO: Flexible Single- and Multi-Channel Speech Separation and Enhancement},
author = {Yoshiki Masuyama and Kohei Saijo and Francesco Paissan and Jiangyu Han and Marc Delcroix and Ryo Aihara and François G. Germain and Gordon Wichern and Jonathan Le Roux},
journal= {arXiv preprint arXiv:2510.21485},
year = {2025}
}
备注
Submitted to ICASSP 2026