基于距离线索和房间信息的单通道目标语音提取

本文旨在利用距离线索和房间信息实现对 enclosure 中单通道目标语音提取（Single-Channel Target Speech Extraction, TSE）任务的实现。近期研究已验证了距离线索在 TSE 任务中的可行性，这些线索可指示声源的 direct-to-reverberation ratio（DRR），从而可用于语音分离和 TSE 系统。然而，这种距离线索受房间声学特征（如尺寸和混响时间）的显著影响，使得仅依赖距离线索的 TSE 系统在不同房间间的泛化性受到挑战。为此，我们建议为基于距离的 TSE 提供房间环境信息（房间尺寸和混响时间），以实现更好的泛化能力。特别地，我们提出了一种基于距离和环境的 TSE 模型，在时频（TF）域中采用可学习的距离和房间嵌入。在模拟数据和真实收集的数据集上进行实验结果表明了其可行性。演示材料可在 https://runwushi.github.io/distance-room-demo-page/ 查看。