多阶段语音带宽扩展与灵活采样率控制

大多数现有语音带宽扩展（BWE）方法都受限于固定的源和目标采样率，这限制了其在实际应用中的灵活性。本文提出了一种名为MS-BWE的多阶段语音BWE模型，能够处理一组源和目标采样率对，实现频率带宽的灵活扩展。该提议的MS-BWE模型由多个BWE模块组成，每个模块都采用双流架构来实现�幅和相位扩展，逐层绘制语音频谱。采用教师强制策略来缓解训练和推断之间的差异。实验结果表明，我们提出的MS-BWE在语音质量方面与最新方法相当。在生成效率方面，MS-BWE的单阶段生成在GPU上可实现每秒超过一千倍实时，在CPU上可实现约六十倍实时。