面向多样输入条件的通用语音增强探索

过去十年间，得益于深度学习，数据驱动的语音增强（SE）技术取得了显著发展。尽管现有方法在一些常用数据集上表现出令人印象深刻的性能，但大多数仅针对单一条件（例如单通道、多通道或固定采样频率）设计，或仅考虑单一任务（例如去噪或去混响）。目前，尚不存在能够以单一模型有效处理多样输入条件的通用 SE 方法。本文首次尝试探索这一研究方向。首先，我们设计了一个独立于麦克风通道、信号长度和采样频率的单一 SE 模型。其次，我们通过结合具有多种条件的现有公开语料库，设计了一个通用 SE 基准。我们在广泛数据集上的实验表明，所提出的单一模型能够以强劲性能成功处理多样条件。