iMetricGAN：基于生成对抗网络度量学习的含噪语音可懂度增强
音频与语音处理
2020-04-08 v2 声音
摘要
自然语音在暴露于不利噪声环境时其可懂度会严重下降。本工作中，我们提出一种基于深度学习的语音修改方法以补偿可懂度损失，并约束修改前后语音信号的均方根（RMS）电平与时长保持不变。具体而言，我们利用iMetricGAN方法通过生成对抗网络（GANs）优化语音可懂度度量。实验结果表明，在餐厅噪声条件下，所提出的iMetricGAN在客观度量即比特语音可懂度（SIIB）与扩展短时客观可懂度（ESTOI）方面优于常规最先进算法。此外，正式听音测试显示当噪声与混响同时存在时有显著的可懂度提升。
引用
@article{arxiv.2004.00932,
title = {iMetricGAN: Intelligibility Enhancement for Speech-in-Noise using Generative Adversarial Network-based Metric Learning},
author = {Haoyu Li and Szu-Wei Fu and Yu Tsao and Junichi Yamagishi},
journal= {arXiv preprint arXiv:2004.00932},
year = {2020}
}
备注
5 pages, Submitted to INTERSPEECH 2020