基于 Wave-U-Net 的改进语音增强
声音
2018-11-29 v1 机器学习
神经与进化计算
音频与语音处理
信号处理
摘要
我们研究了 Wave-U-Net 架构在语音增强中的使用，该模型由 Stoller 等人提出用于音乐人声与伴奏的分离。这种用于音频源分离的端到端学习方法直接在时域上操作，允许对相位信息进行集成建模，并能够考虑大的时间上下文。我们的实验表明，在 Voice Bank 语料库（VCTK）数据集上，针对语音增强任务，所提方法在 PESQ、CSIG、CBAK、COVL 和 SSNR 等多个指标上优于当前最优（SOTA）方法。我们发现，与最初为音乐中歌唱声音分离设计的原始系统相比，较少的隐藏层即足以进行语音增强。我们将这一初步结果视为进一步探索时域语音增强的鼓舞性信号，既作为目标本身，也作为语音识别系统的预处理步骤。
引用
@article{arxiv.1811.11307,
title = {Improved Speech Enhancement with the Wave-U-Net},
author = {Craig Macartney and Tillman Weyde},
journal= {arXiv preprint arXiv:1811.11307},
year = {2018}
}
备注
5 pages (including 1 for References), 1 figure, 2 tables