Thunder：基于 Brownian 桥的统一回归-扩散语音增强模型（单步逆过程）

扩散基语音增强已显示出有前景的效果，但可能因推断时间较慢而受限。可用回归模型生成的增强音频初始化扩散过程，以减少所需计算步数。然而，这类方法通常需要回归模型，进而增加系统复杂度。我们提出 Thunder，一种统一的回归-扩散模型，利用 Brownian 桥过程使其可在两种模式下运行。通过将扩散时间步长设为接近 1 可访问回归模式。然而，由于梯度不稳定，标准基于得分的扩散建模在此设置下表现不佳。为缓解此问题，我们修改扩散模型，预测干净语音而非得分函数，实现了更紧凑的模型规模和更少的逆步骤，同时保持竞争性能。