UBGAN：基于盲法和引导的带宽扩展增强编码语音
音频与语音处理
2026-02-25 v2 声音
摘要
在语音编解码的实际应用中，诸如无线连接质量、限制性硬件或用户体验要求等因素，都导致在感知质量、生成比特率和计算复杂度之间进行权衡。大多数传统和神经语音编解码器均针对宽带（WB）语音信号进行设计，以实现此权衡。为进一步提升编码语音的感知质量，带宽扩展（BWE）是传统语音编码中受欢迎且具吸引力的技术。相比之下，神经语音编解码器通常针对特定需求进行端到端训练，难以灵活适配。尤其是它们通常仅能在固定采样率下运行。本文提出了通用带宽扩展生成对抗网络（UBGAN），提供一种模块化且轻量级的GAN解决方案，增强多种传统和神经编解码器的运行灵活性。该模型 operates 在子带域，将宽带信号的带宽从8 kHz扩展至16 kHz，实现超宽带（SWB）信号。我们进一步引入两种变体：引导型UBGAN（guided-UBGAN）在编解码器比特率基础上额外传输量化的学习表示作为侧信息；盲法带宽扩展（blind-BWE）则无需此类侧信息。我们的主观评估表明，UBGAN优于宽带编解码器，凸显了我们方法在多种编解码器和比特率上的泛化能力。
引用
@article{arxiv.2505.16404,
title = {UBGAN: Enhancing Coded Speech with Blind and Guided Bandwidth Extension},
author = {Kishan Gupta and Srikanth Korse and Andreas Brendel and Nicola Pia and Guillaume Fuchs},
journal= {arXiv preprint arXiv:2505.16404},
year = {2026}
}