LL-SDR：基于离散表示的低延迟语音增强
声音
2026-03-24 v1 音频与语音处理
摘要
许多语音增强(SE)方法依赖连续表示。最近探索了离散音频标记以实现SE的自回归生成，但离子化本身是否一致提高SE性能仍不清楚。本文引入LL-SDR，一个基于标记的语音增强框架，显式利用离子化以更好地分离语音和噪声分布。我们的第一个贡献是方差排序残差向量量化器(VO-RVQ)，旨在在标记化过程中解耦语音和噪声分布。其次，我们提出了一个潜在空间判别器以更好地对齐增强嵌入与语义嵌入。实验表明，LL-SDR优于连续基线方法，同时与自回归标记方法的性能相当，实现了在室内和非室内噪声环境中轻量级、低延迟语音增强。演示和源代码均可在我们的项目网站上获取。
引用
@article{arxiv.2603.20242,
title = {LL-SDR: Low-Latency Speech enhancement through Discrete Representations},
author = {Jingyi Li and Luca Della Libera and Mirco Ravanelli and Cem Subakan},
journal= {arXiv preprint arXiv:2603.20242},
year = {2026}
}
备注
5 pages, 1 figure