基于卷积循环神经网络的语音与音乐信号联合盲房间声学表征
声音
2020-10-22 v1 机器学习
音频与语音处理
摘要
声学环境表征为声音重放创新、智能均衡、语音增强、助听器和取证打开了大门。混响时间、清晰度和直达-混响比是用于描述混响环境的声学参数。它们与语音可懂度和声音质量密切相关。如 ISO3382 标准所述，它们可从称为房间脉冲响应（RIR）的房间测量中导出。然而，测量 RIR 需要特定设备并播放侵入性声音。近期音频与机器学习的结合表明，可以利用语音或音乐信号盲估计这些参数。我们遵循这些进展，提出了一种鲁棒的端到端方法，利用语音和/或音乐信号实现盲联合声学参数估计。我们的结果表明，卷积循环神经网络在此任务上表现最佳，并且在训练中包含音乐也有助于改进从语音进行的推断。
引用
@article{arxiv.2010.11167,
title = {Joint Blind Room Acoustic Characterization From Speech And Music Signals Using Convolutional Recurrent Neural Networks},
author = {Paul Callens and Milos Cernak},
journal= {arXiv preprint arXiv:2010.11167},
year = {2020}
}