rVAD：一种无监督的基于分段的鲁棒语音活动检测方法
声音
2022-01-12 v2 计算与语言
机器学习
音频与语音处理
摘要
本文提出一种用于鲁棒语音活动检测（rVAD）的无监督基于分段的方法。该方法由两遍去噪及随后的语音活动检测（VAD）阶段组成。在第一遍中，利用后验信噪比（SNR）加权能量差检测语音信号中的高能段，若某段内未检测到基音，则该段被视为高能噪声段并置零。在第二遍中，通过语音增强方法对语音信号去噪，对此探索了若干方法。接着，将具有基音的相邻帧分组形成基音段，并基于语音统计从两端进一步扩展基音段，以同时包含浊音、清音及可能的非语音部分。最后，对去噪语音信号的扩展基音段施加后验 SNR 加权能量差以检测语音活动。我们利用包含大量噪声条件的两个数据库 RATS 和 Aurora-2 评估所提方法的 VAD 性能。rVAD 方法还在 RedDots 2016 挑战数据库及其加噪版本上就说话人验证性能进行了进一步评估。实验结果表明，rVAD 与多种现有方法相比具有优势。此外，我们给出了 rVAD 的改进版本，以计算高效的谱平坦度计算替代计算密集的基音提取。该改进版本以 VAD 性能中等下降为代价显著降低了计算复杂度，这在处理大量数据及在低资源设备上运行时具有优势。rVAD 的源代码已公开可用。
引用
@article{arxiv.1906.03588,
title = {rVAD: An Unsupervised Segment-Based Robust Voice Activity Detection Method},
author = {Zheng-Hua Tan and Achintya kr. Sarkar and Najim Dehak},
journal= {arXiv preprint arXiv:1906.03588},
year = {2022}
}