面向个性化病理语音增强的变分自编码器

尽管语音增强（SE）模型在说话人条件下的通用性仍大未被探索，尽管这对更广泛的适用性至关重要。本文考察了混合变分自编码器（VAE）-非负矩阵分解（NMF）模型在SE中的表现，主要关注其对帕金森病患者病理语音的通用性。我们表明，在大型正常神经语音数据集上训练的VAE模型对病理语音表现不佳。尽管通过病理语音进行微调可提升性能，但正常说话人与病理说话人之间仍存在性能差距。为此，我们提出使用从每个说话人仅少量干净数据微调的个性化SE模型。我们的实验结果表明，个性化模型显著提升了所有说话人的性能，使正常说话人和病理说话人的表现相当。