基于零样本模型选择的语音增强
音频与语音处理
2021-09-01 v2 机器学习
声音
摘要
近年来，语音增强（SE）研究出现了基于深度学习的方法。如何在多样测试条件下有效提升 SE 的泛化能力仍是一项具有挑战性的任务。本研究结合零样本学习与集成学习，提出一种零样本模型选择（ZMOS）方法以提升 SE 性能的泛化能力。所提方法在离线与在线两个阶段实现。离线阶段将全部训练数据聚类为多个子集，并基于每个子集训练一个专用的 SE 模型（称为分量 SE 模型）。在线阶段选择最合适的分量 SE 模型执行增强。此外，开发了两种选择策略：基于质量分数（QS）的选择与基于质量嵌入（QE）的选择。QS 与 QE 均通过非侵入式质量评估网络 Quality-Net 获得。实验结果证实，相较于基线系统与其他模型选择系统，所提 ZMOS 方法在已知与未知噪声类型下均能取得更优性能，表明该方法在提供鲁棒 SE 性能方面的有效性。
引用
@article{arxiv.2012.09359,
title = {Speech Enhancement with Zero-Shot Model Selection},
author = {Ryandhimas E. Zezario and Chiou-Shann Fuh and Hsin-Min Wang and Yu Tsao},
journal= {arXiv preprint arXiv:2012.09359},
year = {2021}
}
备注
Accepted in EUSIPCO 2021