基于语音与噪声双流谱图精炼网络及语音失真损失的鲁棒语音识别
声音
2023-05-31 v2 音频与语音处理
摘要
近年来，语音增强前端与自动语音识别（ASR）后端的联合训练被广泛用于提升 ASR 系统的鲁棒性。传统联合训练方法仅将增强语音作为后端输入。然而，由于噪声类型多样且强度不同，语音增强系统难以直接从输入中分离语音。此外，增强语音中常出现语音失真与残留噪声，且语音与噪声的失真方式不同。现有多数方法聚焦于融合增强与含噪特征以解决此问题。本文中，我们提出一种双流谱图精炼网络，同时精炼语音与噪声，并从含噪输入中解耦噪声。我们所提方法取得了更优性能，字符错误率（CER）相对降低 8.6%。
引用
@article{arxiv.2305.17860,
title = {speech and noise dual-stream spectrogram refine network with speech distortion loss for robust speech recognition},
author = {Haoyu Lu and Nan Li and Tongtong Song and Longbiao Wang and Jianwu Dang and Xiaobao Wang and Shiliang Zhang},
journal= {arXiv preprint arXiv:2305.17860},
year = {2023}
}