Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2212.00406

帮助 | 高级搜索

电气工程与系统科学 > 音频与语音处理

arXiv:2212.00406 (eess)
[提交于 2022年12月1日 (v1) ,最后修订 2023年6月6日 (此版本, v2)]

标题: 基于带分裂RNN的高保真语音增强

标题: High Fidelity Speech Enhancement with Band-split RNN

Authors:Jianwei Yu, Yi Luo, Hangting Chen, Rongzhi Gu, Chao Weng
摘要: 尽管语音增强(SE)研究取得了快速进展,但在强噪声和干扰说话人环境下提升所需语音质量仍然具有挑战性。 本文将最近提出的带分裂循环神经网络(BSRNN)模型扩展到全频段SE和个性化SE(PSE)任务。 为了减轻全频段语音中不稳定高频分量的影响,我们分别对低频子带和高频子带进行双向和单向的带级建模。 对于PSE任务,我们在BSRNN中引入说话人注册模块以利用目标说话人信息。 此外,我们利用MetricGAN判别器(MGD)和多分辨率光谱图判别器(MRSD)来改善感知质量指标。 实验结果显示,我们的系统优于多种顶级SE系统,在DNS-2020测试集上达到了最先进的(SOTA)结果,并在DNS-2023挑战赛中排名前三。
摘要: Despite the rapid progress in speech enhancement (SE) research, enhancing the quality of desired speech in environments with strong noise and interfering speakers remains challenging. In this paper, we extend the application of the recently proposed band-split RNN (BSRNN) model to full-band SE and personalized SE (PSE) tasks. To mitigate the effects of unstable high-frequency components in full-band speech, we perform bi-directional and uni-directional band-level modeling to low-frequency and high-frequency subbands, respectively. For PSE task, we incorporate a speaker enrollment module into BSRNN to utilize target speaker information. Moreover, we utilize a MetricGAN discriminator (MGD) and a multi-resolution spectrogram discriminator (MRSD) to improve perceptual quality metrics. Experimental results show that our system outperforms various top-ranking SE systems, achieves state-of-the-art (SOTA) results on the DNS-2020 test set and ranks among the top 3 in the DNS-2023 challenge.
主题: 音频与语音处理 (eess.AS)
引用方式: arXiv:2212.00406 [eess.AS]
  (或者 arXiv:2212.00406v2 [eess.AS] 对于此版本)
  https://doi.org/10.48550/arXiv.2212.00406
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jianwei Yu [查看电子邮件]
[v1] 星期四, 2022 年 12 月 1 日 10:18:54 UTC (3,497 KB)
[v2] 星期二, 2023 年 6 月 6 日 05:30:55 UTC (6,961 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
查看许可
当前浏览上下文:
eess.AS
< 上一篇   |   下一篇 >
新的 | 最近的 | 2022-12
切换浏览方式为:
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号