基于全卷积网络从原始语音中检测声门闭合时刻
音频与语音处理
2020-02-21 v2
摘要
声门闭合时刻（GCI）检测旨在从语音信号中自动检测声道最显著激励的时间位置。它用于许多语音分析与处理应用，为此已提出多种算法。近来，使用卷积神经网络的新方法涌现，取得了令人鼓舞的结果。顺应这一趋势，我们提出了一种简单方法，执行从语音波形到目标信号的映射，并通过峰值拾取从中获取 GCI。然而，用于训练和评估的真实 GCI 通常从 EGG 信号提取，其并非完全可靠且往往不可用。为克服该问题，我们提出在具有完美真实标注的高质量合成语音上训练我们的网络。所提算法的性能使用公开数据集与另外三种 SOTA 方法进行比较，并研究了在训练阶段使用受控合成或真实语音信号的影响。实验结果表明，所提方法取得与其他 SOTA 算法相似或更好的结果，且使用具有多名说话人的大型合成数据集比使用较小的真实语音与 EGG 信号数据库提供更好的泛化能力。
引用
@article{arxiv.1910.10235,
title = {GCI detection from raw speech using a fully-convolutional network},
author = {Luc Ardaillon and Axel Roebel},
journal= {arXiv preprint arXiv:1910.10235},
year = {2020}
}
备注
Minor corrections after reviews of ICASSP 2020 (accepted paper). (Corrected typos, added funding aknowledgments, added some references, cleaned bibliography, added a few details)