通过多说话人表示提升源分离性能
声音
2017-08-30 v1
摘要
近期，深度学习在解决鸡尾酒会问题方面取得了新颖进展。初步结果非常有前景，为该领域的进一步研究提供了可能。在针对该任务的神经网络方法中，尚未被探索的一项技术是说话人自适应。直观上看，关于待分离说话人的信息对于说话人分离任务似乎至关重要。然而，获取这些说话人信息具有挑战性，因为说话人身份并非先验已知，且多个说话人同时活跃。因此，这存在某种“鸡生蛋、蛋生鸡”的问题。为解决这一问题，我们交替估计源信号和 i-vector。我们表明，盲多说话人自适应提升了网络的性能，并且（在我们的案例中）网络本身无法充分提取这些有用的说话人信息。
引用
@article{arxiv.1708.08740,
title = {Improving Source Separation via Multi-Speaker Representations},
author = {Jeroen Zegers and Hugo Van hamme},
journal= {arXiv preprint arXiv:1708.08740},
year = {2017}
}