SCA：用于回声消除的流式交叉注意力对齐
音频与语音处理
2022-11-02 v1 声音
信号处理
摘要
端到端深度学习在语音增强任务（如噪声抑制、去混响和语音分离）中已展现出有前景的结果。然而，大多数最先进的回声消除方法要么是经典的基于数字信号处理（DSP）的方法，要么是 DSP-ML 混合算法。延迟估计器和自适应线性滤波器等功能组件基于传统信号处理概念，而深度学习算法通常仅用于替代非线性残余回声抑制器。本文提出了一种具有流式交叉注意力对齐（SCA）的端到端回声消除网络。我们提出的方法能够处理未对齐的输入，无需外部对齐，并生成无回声的高质量语音。同时，该端到端算法简化了当前针对时变回声路径情形的回声消除流程。我们在 ICASSP2022 和 Interspeech2021 微软深度回声消除挑战评估数据集上测试了所提方法，结果表明我们的方法优于其他一些混合与端到端方法。
引用
@article{arxiv.2211.00589,
title = {SCA: Streaming Cross-attention Alignment for Echo Cancellation},
author = {Yang Liu and Yangyang Shi and Yun Li and Kaustubh Kalgaonkar and Sriram Srinivasan and Xin Lei},
journal= {arXiv preprint arXiv:2211.00589},
year = {2022}
}