SLICE：通过层级注入条件嵌入进行语音增强
声音
2026-03-06 v1
摘要
现实语音常同时受到多种退化干扰，包括叠加噪声、混响和非线性失真。基于扩散的增强方法在单一退化上表现良好，但在复合退化方面仍存在挑战。已有的噪声感知方法仅在输入层注入条件，可能导致性能低于无条件模型。为此，我们提出将来自预训练编码器的条件注入（该编码器拥有针对噪声类型、混响和失真的多任务头）注入到时间步嵌入中，从而在无需架构修改的情况下通过所有残差块传播。我们在受控实验中仅变化注入方法，输入层条件注入在复合退化下性能低于无编码器，而层级注入 achieves 最佳效果。该方法还能很好地推广到多样化的真实录音场景。
引用
@article{arxiv.2603.05302,
title = {SLICE: Speech Enhancement via Layer-wise Injection of Conditioning Embeddings},
author = {Seokhoon Moon and Kyudan Jung and Jaegul Choo},
journal= {arXiv preprint arXiv:2603.05302},
year = {2026}
}
备注
5 pages, 1 figure, 4 tables, submitted to INTERSPEECH 2026