基于频带分割 RNN 的高保真语音增强
音频与语音处理
2023-06-07 v2
摘要
尽管语音增强（SE）研究进展迅速，但在强噪声和干扰说话人环境下增强目标语音质量仍然具有挑战性。在本文中，我们将最近提出的频带分割 RNN（BSRNN）模型扩展到全带 SE 和个性化 SE（PSE）任务。为减轻全带语音中高频分量不稳定的影响，我们分别对低频和高频子带进行双向和单向的频带级建模。对于 PSE 任务，我们将说话人注册模块整合进 BSRNN 以利用目标说话人信息。此外，我们利用 MetricGAN 判别器（MGD）和多分辨率谱图判别器（MRSD）来提升感知质量指标。实验结果表明，我们的系统优于多种排名靠前的 SE 系统，在 DNS-2020 测试集上取得了最先进（SOTA）结果，并在 DNS-2023 挑战赛中排名前三。
引用
@article{arxiv.2212.00406,
title = {High Fidelity Speech Enhancement with Band-split RNN},
author = {Jianwei Yu and Yi Luo and Hangting Chen and Rongzhi Gu and Chao Weng},
journal= {arXiv preprint arXiv:2212.00406},
year = {2023}
}