基于改进归一化流并利用全极点Gammatone滤波器组作为条件输入表示的语音增强
音频与语音处理
2022-10-24 v1 声音
摘要
用于语音增强（SE）的深度生成模型近年来受到越来越多的关注。最突出的例子是生成对抗网络（GAN），而归一化流（NF）尽管具有潜力却较少受到关注。基于先前工作，我们提出了架构修改，并对不同的条件输入表示进行了研究。尽管梅尔谱图在相关工作中是常见选择，但结果表明其对于给定的场景并不合适。作为替代，我们提出了一种具有高时间分辨率的新型全极点Gammatone滤波器组（APG）。尽管计算评估指标结果显示最先进的基于GAN的方法表现最佳，但通过听测的感知评估表明，所提出的基于时域和APG的NF方法表现最好，尤其是在较低SNR下。平均而言，APG输出被评为具有良好质量，这是包括GAN在内的其他方法所无法匹敌的。
引用
@article{arxiv.2210.11654,
title = {Improved Normalizing Flow-Based Speech Enhancement using an All-pole Gammatone Filterbank for Conditional Input Representation},
author = {Martin Strauss and Matteo Torcoli and Bernd Edler},
journal= {arXiv preprint arXiv:2210.11654},
year = {2022}
}
备注
Accepted for Presentation at IEEE SLT 2022