伪影有多糟？：分析语音增强误差对 ASR 的影响
音频与语音处理
2022-03-31 v2 声音
摘要
在噪声条件下通过单通道语音增强（SE）提升自动语音识别（ASR）性能颇具挑战。本文通过基于正交投影分解（OPD）的 SE 误差分解，探究 ASR 性能退化的成因。OPD 将 SE 误差分解为噪声与伪影分量。伪影分量定义为无法表示为语音与噪声源线性组合的 SE 误差信号。我们提出手动缩放误差分量以分析其对 ASR 的影响。实验确定伪影分量为性能退化的主因，并发现减轻伪影可大幅改善 ASR 性能。此外，我们证明简单的观测相加（OA）技术（即向增强语音加入观测信号的缩放版本）可在温和条件下单调提升信伪比。据此，我们经实验确认 OA 对模拟与真实录音均改善 ASR 性能。本文发现增进了对 SE 误差影响 ASR 的理解，并为未来设计高效单通道 SE 前端以用于 ASR 的新方法研究敞开大门。
引用
@article{arxiv.2201.06685,
title = {How Bad Are Artifacts?: Analyzing the Impact of Speech Enhancement Errors on ASR},
author = {Kazuma Iwamoto and Tsubasa Ochiai and Marc Delcroix and Rintaro Ikeshita and Hiroshi Sato and Shoko Araki and Shigeru Katagiri},
journal= {arXiv preprint arXiv:2201.06685},
year = {2022}
}
备注
5 pages, 5 figures, submitted to Interspeech 2022