面向语音识别的改进房间脉冲响应估计
声音
2023-03-21 v2 人工智能
音频与语音处理
摘要
我们针对下游应用场景——远场自动语音识别 (ASR)，提出了一种新颖的盲房间脉冲响应 (RIR) 估计系统方法。我们首先建立了改进的 RIR 估计与改进的 ASR 性能之间的联系，以此作为评估神经 RIR 估计器的一种手段。然后，我们提出了一种基于生成对抗网络 (GAN) 的架构，该架构从混响语音中编码 RIR 特征并根据编码特征构建 RIR，并使用一种新颖的能量衰减释放损失来优化捕获输入混响语音的基于能量的特性。我们表明，我们的模型在声学基准测试上（能量衰减释放指标上提升 17%，早期反射能量指标上提升 22%）以及在 ASR 评估任务中（词错误率降低 6.9%）均优于最先进的基线模型。
引用
@article{arxiv.2211.04473,
title = {Towards Improved Room Impulse Response Estimation for Speech Recognition},
author = {Anton Ratnarajah and Ishwarya Ananthabhotla and Vamsi Krishna Ithapu and Pablo Hoffmann and Dinesh Manocha and Paul Calamia},
journal= {arXiv preprint arXiv:2211.04473},
year = {2023}
}
备注
Accepted at ICASSP 2023. More results are available at https://anton-jeran.github.io/S2IR/