提升 VoIP 平台上的感知质量、可懂度与声学特性
声音
2023-03-17 v1 人工智能
机器学习
多媒体
音频与语音处理
摘要
在本文中，我们提出了一种对 Deep Noise Suppression (DNS) 2020 挑战赛上训练的模型进行微调的方法，以提升其在网络语音协议(Voice over Internet Protocol, VoIP)应用上的性能。我们的方法将 DNS 2020 模型适配于 VoIP 通信特有的声学特征，包括由压缩、传输和平台特定处理引起的失真与伪影。为此，我们提出了一种用于 VoIP-DNS 的多任务学习框架，联合优化语音增强中的噪声抑制与 VoIP 特定声学特性。我们在多种 VoIP 场景下评估了我们的方法，结果表明其优于业界性能以及 VoIP 应用上最先进的语音增强方法。我们的结果展示了利用 VoIP-DNS 将 DNS-2020 上训练的模型改进并定制到不同 VoIP 平台的潜力，其发现对语音识别、语音助手和电信等领域具有重要应用。
引用
@article{arxiv.2303.09048,
title = {Improving Perceptual Quality, Intelligibility, and Acoustics on VoIP Platforms},
author = {Joseph Konan and Ojas Bhargave and Shikhar Agnihotri and Hojeong Lee and Ankit Shah and Shuo Han and Yunyang Zeng and Amanda Shu and Haohui Liu and Xuankai Chang and Hamza Khalid and Minseon Gwak and Kawon Lee and Minjeong Kim and Bhiksha Raj},
journal= {arXiv preprint arXiv:2303.09048},
year = {2023}
}
备注
Under review at European Association for Signal Processing. 5 pages