基于带噪声信息训练的CycleGAN的语音增强
音频与语音处理
2022-12-07 v2 声音
摘要
循环一致性生成对抗网络（CycleGAN）已成功应用于具有非配对噪声-干净训练数据的语音增强（SE）任务。CycleGAN SE系统采用两个生成器和两个判别器，通过噪声到干净和干净到噪声转换的损失进行训练。CycleGAN在众多SE任务中展现出有前景的结果。在此，我们研究了干净到噪声转换部分的一个潜在局限，并提出一种新颖的噪声信息训练（NIT）方法来改进原始CycleGAN SE系统的性能。NIT方法的主要思想是引入目标域信息用于干净到噪声转换，以促进更好的训练过程。实验结果证实，所提出的NIT方法以显著幅度提升了原始CycleGAN SE系统的泛化能力。
引用
@article{arxiv.2110.09924,
title = {Speech Enhancement Based on Cyclegan with Noise-informed Training},
author = {Wen-Yuan Ting and Syu-Siang Wang and Hsin-Li Chang and Borching Su and Yu Tsao},
journal= {arXiv preprint arXiv:2110.09924},
year = {2022}
}