SuPseudo：一种用于远场语音识别中神经语音增强的伪监督学习方法
声音
2025-06-24 v2 音频与语音处理
摘要
由于真实录制的远场对话数据集缺乏目标语音标注，语音增强（SE）模型通常在模拟数据上训练。然而，训练好的模型在真实条件下往往表现不佳，阻碍了其在远场语音识别中的应用。为了解决这一问题，我们 提出直接声音估计（DSE），用于估计真实录制数据的oracle直接声音以进行SE； 提出一种新颖的伪监督学习方法SuPseudo，利用DSE估计作为伪标签，使SE模型能够直接从真实录制数据中学习并适应，从而提高其泛化能力。此外，设计了一个名为FARNET的SE模型以充分利用SuPseudo。在MISP2023语料库上的实验证明了SuPseudo的有效性，且我们的系统显著优于之前的state-of-the-art。我们的方法演示可在https://EeLLJ.github.io/SuPseudo/ 找到。
引用
@article{arxiv.2505.24450,
title = {SuPseudo: A Pseudo-supervised Learning Method for Neural Speech Enhancement in Far-field Speech Recognition},
author = {Longjie Luo and Lin Li and Qingyang Hong},
journal= {arXiv preprint arXiv:2505.24450},
year = {2025}
}
备注
Accepted by InterSpeech 2025