基于生成对抗学习的时间域语音增强
声音
2021-09-21 v2 机器学习
音频与语音处理
摘要
语音增强旨在从带噪语音中获取具有高可懂度和高质量的语音信号。近期工作已展示时间域深度学习方法（如 Conv-TasNet）的优异性能。然而，这些方法会因尺度不变信噪比（SI-SNR）损失所引出的波形任意尺度而性能下降。本文提出一种称为时间域语音增强生成对抗网络（TSEGAN）的新框架，其是生成对抗网络（GAN）在时间域结合度量评估的扩展，以缓解尺度问题并提供模型训练稳定性，从而实现性能提升。此外，我们提供一种基于目标函数映射的新方法，用于度量 GAN（Metric GAN）性能的理论分析，并解释其优于 Wasserstein GAN 的原因。所进行的实验证明了我们提出方法的有效性，并阐明了度量 GAN 的优势。
引用
@article{arxiv.2103.16149,
title = {Time-domain Speech Enhancement with Generative Adversarial Learning},
author = {Feiyang Xiao and Jian Guan and Qiuqiang Kong and Wenwu Wang},
journal= {arXiv preprint arXiv:2103.16149},
year = {2021}
}