Naaloss：重新思考语音增强的目标
声音
2023-08-25 v1 音频与语音处理
摘要
在真实场景中，降低噪声干扰对于自动语音识别（ASR）至关重要。然而，大多数单通道语音增强（SE）会产生对 ASR 性能有负面影响的“处理伪影”。因此，在本研究中，我们提出一种噪声与伪影感知损失函数 NAaLoss，从新视角改善伪影的影响。NAaLoss 考虑估计损失、去伪影和噪声忽略，使所学 SE 能分别建模语音、伪影和噪声。我们使用两种 ASR 系统配置（具/不具噪声鲁棒性），在各种输入场景（干净/含噪）下，以两种 SE 模型（简单/先进）检验经 NAaLoss 学习的效果。实验显示，NAaLoss 在保持 SE 感知与可懂度质量的同时，显著提升了多数设置的 ASR 性能。此外，我们通过波形与频谱图可视化伪影，并解释其对 ASR 的影响。
引用
@article{arxiv.2308.12615,
title = {Naaloss: Rethinking the objective of speech enhancement},
author = {Kuan-Hsun Ho and En-Lun Yu and Jeih-weih Hung and Berlin Chen},
journal= {arXiv preprint arXiv:2308.12615},
year = {2023}
}