基于自注意力的波形域语音去噪
声音
2022-07-08 v3 机器学习
音频与语音处理
摘要
在本工作中，我们提出 CleanUNet，一种在原始波形上的因果语音去噪模型。所提模型基于编码器-解码器架构，并结合多个自注意力块以精炼其瓶颈表示，这对于获得良好结果至关重要。该模型通过一组定义在波形和多分辨率频谱图上的损失进行优化。所提方法在各种客观与主观评价指标上，在去噪语音质量方面优于最先进的（SOTA）模型。我们在 https://github.com/nvidia/cleanunet 发布了代码与模型。
引用
@article{arxiv.2202.07790,
title = {Speech Denoising in the Waveform Domain with Self-Attention},
author = {Zhifeng Kong and Wei Ping and Ambrish Dantrey and Bryan Catanzaro},
journal= {arXiv preprint arXiv:2202.07790},
year = {2022}
}
备注
Published in ICASSP 2022 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). Listen to audio samples from CleanUNet at: https://cleanunet.github.io/