用于语音增强的子带知识蒸馏框架
音频与语音处理
2020-10-30 v2 计算与语言
声音
摘要
在单通道语音增强中，基于全频带频谱特征的方法已被广泛研究。然而，仅有少数方法关注非全频带频谱特征。本文探索了一种基于子带频谱映射的单通道语音增强知识蒸馏框架。具体而言，我们将全频带划分为多个子带，并为每个子带预训练一个精英级子带增强模型（教师模型）。这些教师模型专门用于处理各自的子带。接下来，在教师模型的指导下，我们训练一个适用于所有子带的通用子带增强模型（学生模型）。在不增加模型参数数量和计算复杂度的情况下，学生模型的性能得到了进一步提升。为了评估我们提出的方法，我们在开源数据集上进行了大量实验。最终实验结果表明，来自精英级教师模型的指导极大地提升了学生模型的性能，该模型在使用更少参数的情况下超越了全频带模型。
引用
@article{arxiv.2005.14435,
title = {Sub-Band Knowledge Distillation Framework for Speech Enhancement},
author = {Xiang Hao and Shixue Wen and Xiangdong Su and Yun Liu and Guanglai Gao and Xiaofei Li},
journal= {arXiv preprint arXiv:2005.14435},
year = {2020}
}
备注
Published in Interspeech 2020