用于轻量级全频带语音增强模型的可学习梳状滤波器谐波增强
音频与语音处理
2023-06-02 v1 声音
摘要
由于特征维度较少，滤波器组常被用于轻量级全频带语音增强模型。为了在子带域中进一步增强粗糙语音，有必要应用后滤波器进行谐波恢复。RNNoise 和 PercepNet 中使用的基于信号处理的梳状滤波器性能有限，且可能因基频估计不准确而导致语音质量下降。为解决此问题，我们提出了一种可学习的梳状滤波器来增强谐波。基于子带模型，我们设计了一个基于 DNN 的基频估计器来估计离散基频，以及一个用于谐波增强的梳状滤波器，并通过端到端模式进行训练。实验表明，我们提出的方法优于 PecepNet 和 DeepFilterNet。
引用
@article{arxiv.2306.00812,
title = {Harmonic enhancement using learnable comb filter for light-weight full-band speech enhancement model},
author = {Xiaohuai Le and Tong Lei and Li Chen and Yiqing Guo and Chao He and Cheng Chen and Xianjun Xia and Hua Gao and Yijian Xiao and Piao Ding and Shenyi Song and Jing Lu},
journal= {arXiv preprint arXiv:2306.00812},
year = {2023}
}
备注
accepted by Interspeech 2023