NoLACE：通过自适应时域整形改进低复杂度语音编解码器增强
音频与语音处理
2024-01-15 v2 声音
摘要
语音编解码器增强方法旨在去除语音编解码器引入的失真。经典方法复杂度极低且零延迟，但效果相当有限。相比之下，基于DNN的方法质量更高，但通常复杂度高和/或需要延迟。近期提出的线性自适应编码增强器（LACE）将DNN与经典长时/短时后滤波相结合，从而得到一个因果低复杂度模型，解决了这一问题。然而，LACE模型的一个缺陷是，当模型规模扩大时质量会迅速饱和。为缓解该问题，我们提出了一种新颖的自适应时域整形模块，为LACE模型增添高时间分辨率，从而得到非线性自适应编码增强器（NoLACE）。我们将NoLACE适配用于增强Opus编解码器，并表明在6、9和12 kb/s下，NoLACE显著优于Opus基线及放大后的LACE模型。我们还表明，LACE与NoLACE在与ASR系统结合使用时表现良好。
引用
@article{arxiv.2309.14521,
title = {NoLACE: Improving Low-Complexity Speech Codec Enhancement Through Adaptive Temporal Shaping},
author = {Jan Büthe and Ahmed Mustafa and Jean-Marc Valin and Karim Helwani and Michael M. Goodwin},
journal= {arXiv preprint arXiv:2309.14521},
year = {2024}
}
备注
final version, accepted at ICASSP 2024