面向语音增强的目标特征感知对比拉伸
声音
2022-07-18 v4 计算与语言
音频与语音处理
摘要
由于使用深度学习模型作为基函数，语音增强（SE）性能已显著提升。本文中，我们提出一种感知对比拉伸（PCS）方法以进一步提升 SE 性能。PCS 基于临界频带重要性函数导出，并用于修改 SE 模型的目标。具体而言，基于感知重要性拉伸目标特征的对比度，从而改善整体 SE 性能。与基于后处理的实现相比，将 PCS 纳入训练阶段保持了性能并减少了在线计算。值得注意的是，PCS 可与不同的 SE 模型架构和训练准则结合。此外，PCS 不影响 SE 模型训练的因果性或收敛性。在 VoiceBank-DEMAND 数据集上的实验结果表明，所提方法可在因果（PESQ 分数 = 3.07）和非因果（PESQ 分数 = 3.35）SE 任务上均达到最先进性能。
引用
@article{arxiv.2203.17152,
title = {Perceptual Contrast Stretching on Target Feature for Speech Enhancement},
author = {Rong Chao and Cheng Yu and Szu-Wei Fu and Xugang Lu and Yu Tsao},
journal= {arXiv preprint arXiv:2203.17152},
year = {2022}
}
备注
Accepted by Interspeech 2022