利用单通道时域增强网络改善噪声鲁棒自动语音识别
音频与语音处理
2020-03-10 v1 机器学习
声音
摘要
随着深度学习的出现，噪声鲁棒自动语音识别（ASR）的研究进展迅速。然而，单通道系统在噪声条件下的 ASR 性能仍不尽如人意。事实上，大多数单通道语音增强（SE）方法（去噪）相较于在多条件训练数据上训练的最先进 ASR 后端仅带来了有限的性能提升。近来，基于神经网络、在时域工作的 SE 方法得到了大量研究，其性能水平前所未有。然而，此类时域方法所实现的高增强性能能否转化为 ASR 性能，尚不明晰。在本文中，我们表明单通道时域去噪方法可显著改善 ASR 性能，在 CHiME-4 数据集单通道轨的真实评估数据上，相较于一个强 ASR 后端提供了超过 30% 的相对词错误率降低。这些积极结果证明单通道噪声抑制仍可改善 ASR 性能，这应为该方向更多研究打开大门。
引用
@article{arxiv.2003.03998,
title = {Improving noise robust automatic speech recognition with single-channel time-domain enhancement network},
author = {Keisuke Kinoshita and Tsubasa Ochiai and Marc Delcroix and Tomohiro Nakatani},
journal= {arXiv preprint arXiv:2003.03998},
year = {2020}
}
备注
5 pages, to appear in ICASSP2020