关于改进神经端到端语音编码器的抗误码能力
音频与语音处理
2025-05-23 v1 声音
信号处理
摘要
像丢包隐藏和前向纠错这样的抗误码工具对于在诸如IP语音等应用中维持可靠的语音通信至关重要，在这些应用中，数据包经常被延迟和丢失。近年来，端到端神经语音编解码器因其能够在低比特率下传输语音信号而显著兴起，但关于它们在真实系统中的抗误码能力却鲜有考虑。最近引入的神经端到端语音编解码器能够在低比特率下再现高质量的自然语音。我们通过添加一个低复杂度的网络来预测潜在空间中的码本索引，从而扩展了其对丢包的鲁棒性。此外，我们提出了一种以额外0.8 kbps比特率添加带内前向纠错的方法。主观和客观评估都表明了所提出方法的有效性，并证明将丢包隐藏和前向纠错相结合可以提供针对丢包的显著鲁棒性。
引用
@article{arxiv.2406.08900,
title = {On Improving Error Resilience of Neural End-to-End Speech Coders},
author = {Kishan Gupta and Nicola Pia and Srikanth Korse and Andreas Brendel and Guillaume Fuchs and Markus Multrus},
journal= {arXiv preprint arXiv:2406.08900},
year = {2025}
}