基于薛定谔桥语音增强的鲁棒语音识别
音频与语音处理
2025-05-09 v1 声音
摘要
在这项工作中，我们研究了应用生成式语音增强来提高自动语音识别（ASR）模型在噪声和混响条件下的鲁棒性。我们采用了一个最近提出的基于薛定谔桥的语音增强模型，该模型已被证明相比基于扩散的方法表现良好。我们分析了模型缩放和不同采样方法对 ASR 性能的影响。此外，我们将所考虑的模型与预测性和基于扩散的基线模型进行了比较，并分析了使用不同预训练 ASR 模型时的语音识别性能。所提出的方法显著降低了词错误率，相对于未处理的语音信号降低了约 40%，相对于类似规模的预测性方法降低了约 8%。
引用
@article{arxiv.2505.04237,
title = {Robust Speech Recognition with Schr\"odinger Bridge-Based Speech Enhancement},
author = {Rauf Nasretdinov and Roman Korostik and Ante Jukić},
journal= {arXiv preprint arXiv:2505.04237},
year = {2025}
}
备注
5 pages. Published in ICASSP 2025