计算机科学 > 声音
[提交于 2025年8月28日
]
标题: 更准确的语音增强条件流匹配流畅化
标题: Flowing Straighter with Conditional Flow Matching for Accurate Speech Enhancement
摘要: 基于流的当前生成语音增强方法学习弯曲的概率路径,这些路径建模了干净语音和噪声语音之间的映射。 尽管表现令人印象深刻,但弯曲概率路径的含义尚不清楚。 像薛定谔桥这样的方法关注弯曲路径,其中时间依赖的梯度和方差不促进直线路径。 机器学习研究中的发现表明,直线路径,如条件流匹配,更容易训练并提供更好的泛化能力。 在本文中,我们量化了路径直线性对语音增强质量的影响。 我们报告了薛定谔桥的实验,其中我们展示了某些配置会导致更直的路径。 相反,我们提出了独立的条件流匹配用于语音增强,它在噪声语音和干净语音之间建模直线路径。 我们通过实证证明,时间无关的方差对样本质量的影响大于梯度。 虽然条件流匹配提高了几个语音质量指标,但它需要多个推理步骤。 我们通过将训练好的流模型推断为直接预测的方式来解决这个问题。 我们的工作表明,更直的时间无关概率路径在生成语音增强方面优于曲线时间相关路径。
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.