基于注意力孪生神经网络的全参考语音质量估计
音频与语音处理
2021-05-04 v1 人工智能
机器学习
声音
摘要
本文中，我们提出一种采用深度学习方法的全参考语音质量预测模型。该模型通过共享权重的孪生循环卷积网络为参考信号与退化信号确定特征表示，并将两信号作为输入。所得特征随后通过注意力机制用于信号对齐，并最终结合以估计整体语音质量。所提网络架构针对经 IP 语音（VoIP）网络传输的语音信号中出现的时间对齐问题给出了一种简单解法，并展示了如何将干净参考信号纳入基于端到端训练神经网络的语音质量模型中。
引用
@article{arxiv.2105.00783,
title = {Full-Reference Speech Quality Estimation with Attentional Siamese Neural Networks},
author = {Gabriel Mittags and Sebastian Möller},
journal= {arXiv preprint arXiv:2105.00783},
year = {2021}
}
备注
Late upload, presented at ICASSP 2020