电气工程与系统科学 > 音频与语音处理
[提交于 2025年8月5日
]
标题: 使用神经音频编解码器作为基础模型的噪声中实时喉部麦克风语音增强
标题: Real-time speech enhancement in noise for throat microphone using neural audio codec as foundation model
摘要: 我们展示了一个使用喉部麦克风捕捉的语音实时增强演示。 该演示旨在展示完整的流程,从录音到基于深度学习的后处理,适用于通过体传导麦克风在嘈杂环境中捕捉的语音。 喉部麦克风记录皮肤振动,这会自然地衰减外部噪声,但这种鲁棒性是以减少音频带宽为代价的。 为了解决这一挑战,我们在Vibravox数据集上微调Kyutai的Mimi——一种支持实时推理的神经音频编解码器——该数据集包含成对的空气传导和喉部麦克风录音。 我们将这种增强策略与最先进模型进行比较,并证明其性能更优。 推理在交互式界面中运行,允许用户切换增强功能、可视化频谱图并监控处理延迟。
文献和引用工具
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
推荐器和搜索工具
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.