SRIB-LEAP 在视频会议远场多通道语音增强挑战赛中的提交方案
音频与语音处理
2021-06-25 v1 声音
图像与视频处理
信号处理
摘要
本文介绍了 SRIB-LEAP 提交至 ConferencingSpeech 2021 挑战赛的详细方案。该挑战赛的任务是进行多通道语音增强，以改善视频会议室中来自麦克风阵列的远场语音质量。我们提出了一种两阶段方法，包括波束成形器后接单通道增强。对于波束成形器，我们将自注意力机制作为滤波求和网络（FaSNet，一种端到端时域波束成形系统）中的通道间处理层。单通道语音增强在对数谱域中使用基于卷积神经网络（CNN）-长短期记忆（LSTM）的架构完成。我们在客观质量指标上取得了提升——在带噪数据上语音质量感知评估（PESQ）提高了 0.5。在主观质量评估中，所提方法相较带噪音频将平均意见得分（MOS）绝对提升了 0.9。
引用
@article{arxiv.2106.12763,
title = {SRIB-LEAP submission to Far-field Multi-Channel Speech Enhancement Challenge for Video Conferencing},
author = {R G Prithvi Raj and Rohit Kumar and M K Jayesh and Anurenjan Purushothaman and Sriram Ganapathy and M A Basha Shaik},
journal= {arXiv preprint arXiv:2106.12763},
year = {2021}
}