SCP-GAN：用于语音增强任务中训练一致性保持 Metric GAN 的判别器自校正优化
声音
2022-10-27 v1 机器学习
音频与语音处理
摘要
近年来，生成对抗网络（GAN）在语音增强（SE）任务中取得了显著改善的结果。然而，它们难以训练。在这项工作中，我们引入了对 GAN 训练方案的几项改进，这些改进可应用于大多数基于 GAN 的 SE 模型。我们提出使用一致性损失函数，旨在解决由傅里叶变换和逆傅里叶变换引起的时间域与时频域之间的不一致性。我们还提出了一种用于在 SE 任务上训练 GAN 判别器的自校正优化方法，该方法有助于避免判别器损失函数的某些部分出现“有害”的训练方向。我们在几个最先进的基于 GAN 的 SE 模型上测试了所提出的方法，并取得了一致的改进，包括在 Voice Bank+DEMAND 数据集上取得了新的最优结果。
引用
@article{arxiv.2210.14474,
title = {SCP-GAN: Self-Correcting Discriminator Optimization for Training Consistency Preserving Metric GAN on Speech Enhancement Tasks},
author = {Vasily Zadorozhnyy and Qiang Ye and Kazuhito Koishida},
journal= {arXiv preprint arXiv:2210.14474},
year = {2022}
}
备注
5 pages (4 - manuscript and 1 - references), 2 figures, 2 tables