电气工程与系统科学 > 音频与语音处理
[提交于 2025年8月9日
]
标题: FlowSE:基于流匹配的语音增强
标题: FlowSE: Flow Matching-based Speech Enhancement
摘要: 扩散概率模型在语音增强方面表现出色,但通常在推理阶段需要25到60次函数评估,导致计算复杂度较高。 最近,提出了一种微调方法来校正反向过程,这显著降低了函数评估次数(NFE)。 流匹配是一种训练连续归一化流的方法,它模拟从已知分布到未知分布的概率路径,包括由扩散过程描述的路径。 本文提出了一种基于条件流匹配的语音增强方法。 所提出的方法在NFE为5时,达到了与基于扩散的语音增强方法在NFE为60时相当的性能,并且在无需额外微调过程的情况下,在NFE从1到5时与校正反向过程的扩散模型表现出相似的性能。 我们还证明了从具有修改后的最优传输条件向量场的条件概率路径推导出的对应扩散模型,在无需任何微调过程的情况下,NFE为5时表现出类似的性能。
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.