如何去混响？远端麦克风场景下的低延迟单通道语音增强
音频与语音处理
2025-05-05 v1 机器学习
声音
摘要
去混响是语音增强（Speech Enhancement, SE）的一个重要子任务，旨在提高信号的可听性和质量。然而，这一任务仍然具有挑战性，因为混响与信号高度相关。此外，单通道语音增强文献主要聚焦于混响时间较短（通常小于1秒）、房间尺寸较小（体积小于1000立方米）以及距离较短（最多2米）的环境。本文探讨了在远端麦克风场景（距离5至10米）下的实时低延迟单通道语音增强，重点关注会议室和剧院等大型空间，具有更大的房间尺寸和混响时间。此种 setup 在讲座演示、戏剧表演以及提升舞台声学等应用中具有重要价值。首先，我们证明了在此类具备挑战性的场景下，单通道语音增强是可行的。其次，我们研究了房间体积与混响时间之间的关系，并证明在随机生成房间脉冲响应时，这一关系具有重要意义。最后，我们表明，对于混响衰减时间较短的去混响，保留早期反射再进行衰减，有助于提高整体信号质量。
引用
@article{arxiv.2505.01338,
title = {How much to Dereverberate? Low-Latency Single-Channel Speech Enhancement in Distant Microphone Scenarios},
author = {Satvik Venkatesh and Philip Coleman and Arthur Benilov and Simon Brown and Selim Sheta and Frederic Roskam},
journal= {arXiv preprint arXiv:2505.01338},
year = {2025}
}
备注
Published in ICASSP 2025