IR-GAN：用于远场语音识别的房间脉冲响应生成器
声音
2021-04-08 v3 音频与语音处理
摘要
我们提出了一种基于生成对抗网络（GAN）的房间脉冲响应生成器（IR-GAN），用于生成逼真的合成房间脉冲响应（RIRs）。IR-GAN 从捕获的真实世界 RIRs 中提取声学参数，并利用这些参数生成新的合成 RIRs。我们使用这些生成的合成 RIRs 来改进在与训练数据集所用环境不同的新环境中的远场自动语音识别。特别地，我们通过将合成 RIRs 与干净的 LibriSpeech 数据集卷积来扩充远场语音训练集。我们在使用来自 BUT ReverbDB 和 AIR 数据集的真实世界 RIRs 创建的真实世界 LibriSpeech 测试集上评估合成 RIRs 的质量。我们的 IR-GAN 在远场语音识别基准中报告比几何声学模拟器（GAS）低至多 8.95% 的错误率。当我们将合成 RIRs 与用 GAS 生成的合成脉冲响应结合时，进一步提升了性能。该组合在远场语音识别基准中可将词错误率降低至多 14.3%。
引用
@article{arxiv.2010.13219,
title = {IR-GAN: Room Impulse Response Generator for Far-field Speech Recognition},
author = {Anton Ratnarajah and Zhenyu Tang and Dinesh Manocha},
journal= {arXiv preprint arXiv:2010.13219},
year = {2021}
}
备注
conference revision