听你所想：基于神经网络的通用声音选择器
音频与语音处理
2020-06-11 v1 机器学习
声音
摘要
能够控制我们想要聆听的声学事件（AEs）将有助于开发更具可控性的可听戴设备。本文解决 AE 声音选择（或去除）问题，我们将其定义为提取（或抑制）属于一个或多个期望 AE 类别的所有声音。尽管该问题可通过源分离加 AE 分类的组合来解决，但这是一种次优的解法。此外，源分离通常要求已知源的最大数量，在处理 AEs 时可能并不实用。本文转而提出一种通用声音选择神经网络，可根据用户指定的目标 AE 类别直接从混合声中选取 AE 声音。所提框架可被显式优化以同时从多个期望 AE 类别中选择声音，且与混合声中的源数量无关。我们通过实验表明，所提方法取得了有前景的 AE 声音选择性能，并可泛化到训练时未见的源数量的混合声。
引用
@article{arxiv.2006.05712,
title = {Listen to What You Want: Neural Network-based Universal Sound Selector},
author = {Tsubasa Ochiai and Marc Delcroix and Yuma Koizumi and Hiroaki Ito and Keisuke Kinoshita and Shoko Araki},
journal= {arXiv preprint arXiv:2006.05712},
year = {2020}
}
备注
5 pages, 2 figures, submitted to INTERSPEECH 2020