用于单通道语音增强的时频注意力
声音
2022-03-10 v3 音频与语音处理
摘要
大多数语音增强研究通常不考虑语音在时频（T-F）表示中的能量分布，而这对于准确预测掩码或频谱十分重要。本文提出一个简单而有效的时频注意力（TFA）模块，其生成二维注意力图，为 T-F 表示的频谱分量提供差异化权重。为验证所提 TFA 模块的有效性，我们使用残差时间卷积网络（ResTCN）作为主干网络，并在两种常用训练目标上进行了充分实验。实验表明，应用我们的 TFA 模块以可忽略的参数开销在五项客观评价指标上显著提升了性能。评估结果指出，所提出的带 TFA 模块的 ResTCN（ResTCN+TFA）持续大幅优于其他基线。
引用
@article{arxiv.2111.07518,
title = {Time-Frequency Attention for Monaural Speech Enhancement},
author = {Qiquan Zhang and Qi Song and Zhaoheng Ni and Aaron Nicolson and Haizhou Li},
journal= {arXiv preprint arXiv:2111.07518},
year = {2022}
}
备注
5 pages, 4 figures, Accepted and presented at ICASSP 2022