用于精确音频异常检测的统一 AI 框架
声音
2025-06-02 v1 机器学习
音频与语音处理
摘要
本文提出了一个统一的 AI 框架，通过集成先进的降噪、特征提取和机器学习建模技术来实现高精度音频异常检测。该方法结合了谱减法和自适应滤波以增强音频质量，随后使用 MFCCs 等传统方法以及 OpenL3 等预训练模型的深度嵌入进行特征提取。建模流程结合了经典模型 (SVM, Random Forest)、深度学习架构 (CNNs) 和集成方法，以提升鲁棒性和准确性。在包括 TORGO 和 LibriSpeech 的基准数据集上进行评估，所提出的框架在精确率、召回率以及含糊语音与正常语音的分类上展现出优越的性能。这项工作应对了嘈杂环境和实时应用中的挑战，并提供了一种可扩展的基于音频的异常检测解决方案。
引用
@article{arxiv.2505.23781,
title = {Unified AI for Accurate Audio Anomaly Detection},
author = {Hamideh Khaleghpour and Brett McKinney},
journal= {arXiv preprint arXiv:2505.23781},
year = {2025}
}
备注
6 pages, 14 figures. Based on original research. Submitted to arXiv for public preprint