纯净语音特性对语音增强性能的影响
音频与语音处理
2025-09-24 v1
摘要
已知语音增强（SE）性能取决于噪声特性和信噪比（SNR），但纯净语音信号本身的内在特性仍是一个未被充分探索的因素。在本工作中，我们系统分析了纯净语音特性如何影响多个最先进 SE 模型、不同语言和噪声条件下的增强难度。我们从纯净语音中提取了一组基频、共振峰、响度和谱通量特征，并计算了它们与客观 SE 指标的相关性，包括频率加权分段信噪比和 PESQ。我们的结果表明，共振峰振幅始终能预测 SE 性能，更高且更稳定的共振峰带来更大的增强增益。我们进一步证明，即使在单一说话者的发声内，性能也存在显著差异，凸显了说话人内部声学变异性的重要性。这些发现为 SE 挑战提供了新见解，表明在设计数据集、评估协议和增强模型时应考虑内在语音特性。
引用
@article{arxiv.2509.18885,
title = {Influence of Clean Speech Characteristics on Speech Enhancement Performance},
author = {Mingchi Hou and Ina Kodrasi},
journal= {arXiv preprint arXiv:2509.18885},
year = {2025}
}