LC4SV：一种为未知说话人验证模型补偿伪影的学习去噪框架
音频与语音处理
2023-11-29 v1 机器学习
摘要
说话人验证（SV）模型在噪声环境中的性能可能急剧下降。语音增强（SE）模块可用作前端策略。然而，由于 SE 模型预测信号中的伪影，现有 SE 方法可能无法为下游 SV 系统带来性能提升。为补偿伪影，我们提出了一种名为 LC4SV 的通用去噪框架，其可作为各种未知下游 SV 模型的预处理器。在 LC4SV 中，我们采用基于学习的插值代理来自动生成增强信号与其噪声输入之间的适当系数，以提升噪声环境下的 SV 性能。我们的实验结果表明，LC4SV 持续提升了各种未知 SV 系统的性能。据我们所知，本工作是首个旨在开发基于学习的插值方案以改善噪声环境下 SV 性能的尝试。
引用
@article{arxiv.2311.16604,
title = {LC4SV: A Denoising Framework Learning to Compensate for Unseen Speaker Verification Models},
author = {Chi-Chang Lee and Hong-Wei Chen and Chu-Song Chen and Hsin-Min Wang and Tsung-Te Liu and Yu Tsao},
journal= {arXiv preprint arXiv:2311.16604},
year = {2023}
}