基于双曲距离的语音分离

本文探索了定义在双曲流形上的层次化距离语音分离任务。基于近期在非欧几里得空间中执行音频相关任务的进展，我们提出利用庞加莱球有效揭示复杂说话人混合中固有的层次结构。我们设计了两组实验，其中基于距离的父声音类别（即“近”和“远”）各自最多可包含两个或三个说话人（即子类）。我们证明，双曲方法适用于从问题定义中揭示层次结构，从而改善子级分离。进一步，我们发现双曲确定性（即到球心的距离）与声学语义（如说话人密度、声源间位置和麦克风-说话人距离）之间存在明显的相关性。