用于 BLSTM 基于掩蔽的语音增强的 Student-Teacher 学习
音频与语音处理
2018-03-28 v1 声音
摘要
使用双向长短期记忆 (BLSTM) 神经网络进行频谱掩蔽估计已广泛应用于各种语音增强应用中，并且当其应用于具有基于掩蔽的波束形成器的多通道增强技术时取得了巨大成功。然而，当这些掩蔽用于单通道语音增强时，它们会严重扭曲语音信号并使其不适用于语音识别。本文提出了一种用于单通道语音增强的 student-teacher 学习范式。将多通道增强得到的波束形成信号作为教师网络的输入以获得软掩蔽。将带有软掩蔽目标的附加交叉熵损失项与原始损失相结合，从而使具有单通道输入的学生网络被训练为模仿通过波束形成在多通道输入下获得的软掩蔽。在 CHiME-4 挑战赛单通道赛道数据上的实验显示了 ASR 性能的提升。
引用
@article{arxiv.1803.10013,
title = {Student-Teacher Learning for BLSTM Mask-based Speech Enhancement},
author = {Aswin Shanmugam Subramanian and Szu-Jui Chen and Shinji Watanabe},
journal= {arXiv preprint arXiv:1803.10013},
year = {2018}
}
备注
Submitted for Interspeech 2018