基于 Conformer 度量 GAN 的无限制全局相位偏置感知单通道语音增强
音频与语音处理
2024-06-05 v2 声音
摘要
近年来，随着神经网络的快速发展，各种网络在单通道语音增强领域增强含噪语音幅度谱的能力已变得异常出色。然而，利用神经网络增强相位谱往往效果不佳，这仍然是一个具有挑战性的问题。在本文中，我们发现人耳无法敏感地感知精确相位谱与偏置相位 (BP) 谱之间的差异。因此，我们提出了一种相位重建优化方法，允许全局相位偏置具有自由度，而不是重建精确的相位谱。我们将该方法应用于基于 Conformer 的度量生成对抗网络 (CMGAN) 基线模型，放松了对精确相位的现有约束，为神经网络提供了更广阔的学习空间。结果表明，该方法在不增加额外计算开销的情况下实现了新的最先进性能。
引用
@article{arxiv.2402.08252,
title = {Unrestricted Global Phase Bias-Aware Single-channel Speech Enhancement with Conformer-based Metric GAN},
author = {Shiqi Zhang and Zheng Qiu and Daiki Takeuchi and Noboru Harada and Shoji Makino},
journal= {arXiv preprint arXiv:2402.08252},
year = {2024}
}
备注
Accepted by ICASSP 2024 Updated on 2024/06/04 to add one more citation in appendix