用于语音分离的中断与级联置换不变训练
声音
2019-10-29 v1 机器学习
音频与语音处理
摘要
置换不变训练（PIT）长期以来是训练语音分离模型以处理标签模糊问题的基石方法。由于 PIT 动态选择最小代价标签分配，极少有研究将分离问题视为模型参数与标签分配的联合优化，而是聚焦于寻找良好的模型结构与参数。本文中，我们针对给定模型结构，研究训练模型的各种灵活标签分配策略，而非直接使用 PIT。令人惊讶的是，我们发现若以固定标签分配训练模型并选取一组良好标签，相较于 PIT 可能带来显著的性能提升。将固定标签训练级联于两段 PIT 之间，我们在不改变模型结构的情况下于 WSJ0-2mix 上取得了最先进的性能。
引用
@article{arxiv.1910.12706,
title = {Interrupted and cascaded permutation invariant training for speech separation},
author = {Gene-Ping Yang and Szu-Lin Wu and Yao-Wen Mao and Hung-yi Lee and Lin-shan Lee},
journal= {arXiv preprint arXiv:1910.12706},
year = {2019}
}