用于多通道连续语音分离的多分辨率基于位置的训练
音频与语音处理
2023-01-18 v1 声音
摘要
当多人语音重叠发生时,自动语音识别(ASR)系统的性能会严重下降。在会议环境中,通常进行语音分离以提高 ASR 系统的鲁棒性。近来,基于位置的训练(LBT)被提出作为一种用于多通道说话人无关语音分离的新的训练准则。在固定阵列几何假设下,LBT 在完全重叠语音和匹配的混响条件下优于广泛使用的排列不变训练。本文将对 LBT 扩展至对话式多通道说话人分离。我们引入多分辨率 LBT,从低到高的时间与频率分辨率估计复频谱图。通过多分辨率 LBT,卷积核依据物理空间中说话人的位置被一致地分配。评估结果表明,在录制的 LibriCSS 语料库上,多分辨率 LBT 持续优于其他竞争方法。
引用
@article{arxiv.2301.06458,
title = {Multi-resolution location-based training for multi-channel continuous speech separation},
author = {Hassan Taherian and DeLiang Wang},
journal= {arXiv preprint arXiv:2301.06458},
year = {2023}
}
备注
Submitted to ICASSP 23