SG-VAD:基于随机门的声音活动检测
音频与语音处理
2022-10-31 v1 声音
摘要
我们提出了一种低资源环境下的新颖声音活动检测(VAD)模型。我们的核心思想是将 VAD 建模为去噪任务,并构建一个旨在为语音分类任务识别冗余特征的网络。我们训练该模型在预测语音事件类型的同时识别无关特征。我们的模型仅含 7.8K 参数,在 AVA-Speech 评测集上优于先前提出的方法,并在 HAVIC 数据集上给出了可比的结果。我们展示了其架构、实验结果以及对模型各组件的消融研究。我们在此 https://www.github.com/jsvir/vad 发布了代码与模型。
引用
@article{arxiv.2210.16022,
title = {SG-VAD: Stochastic Gates Based Speech Activity Detection},
author = {Jonathan Svirsky and Ofir Lindenbaum},
journal= {arXiv preprint arXiv:2210.16022},
year = {2022}
}