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 > cs > arXiv:2508.20885v1

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2508.20885v1 (cs)
[提交于 2025年8月28日 ]

标题: SincQDR-VAD:一种利用可学习滤波器和排名感知优化的噪声鲁棒语音活动检测框架

标题: SincQDR-VAD: A Noise-Robust Voice Activity Detection Framework Leveraging Learnable Filters and Ranking-Aware Optimization

Authors:Chien-Chun Wang, En-Lun Yu, Jeih-Weih Hung, Shih-Chieh Huang, Berlin Chen
摘要: 语音活动检测(VAD)对于语音驱动的应用至关重要,但在噪声和资源受限的环境中仍远未完善。 现有方法在噪声方面缺乏鲁棒性,且它们的帧级分类损失与VAD的评估指标仅松散耦合。 为解决这些挑战,我们提出了SincQDR-VAD,这是一种紧凑且鲁棒的框架,结合了Sinc提取器前端和一种新颖的二次差异排序损失。 Sinc提取器使用可学习的带通滤波器来捕捉抗噪声的频谱特征,而排序损失则优化语音和非语音帧之间的成对得分顺序,以提高接收者操作特性曲线下的面积(AUROC)。 在代表性基准数据集上进行的一系列实验表明,我们的框架显著提高了AUROC和F2-Score,同时仅使用了先前方法69%的参数,证实了其效率和实际可行性。
摘要: Voice activity detection (VAD) is essential for speech-driven applications, but remains far from perfect in noisy and resource-limited environments. Existing methods often lack robustness to noise, and their frame-wise classification losses are only loosely coupled with the evaluation metric of VAD. To address these challenges, we propose SincQDR-VAD, a compact and robust framework that combines a Sinc-extractor front-end with a novel quadratic disparity ranking loss. The Sinc-extractor uses learnable bandpass filters to capture noise-resistant spectral features, while the ranking loss optimizes the pairwise score order between speech and non-speech frames to improve the area under the receiver operating characteristic curve (AUROC). A series of experiments conducted on representative benchmark datasets show that our framework considerably improves both AUROC and F2-Score, while using only 69% of the parameters compared to prior arts, confirming its efficiency and practical viability.
评论: 被IEEE ASRU 2025接收
主题: 声音 (cs.SD)
引用方式: arXiv:2508.20885 [cs.SD]
  (或者 arXiv:2508.20885v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.20885
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Chien-Chun Wang [查看电子邮件]
[v1] 星期四, 2025 年 8 月 28 日 15:14:39 UTC (1,074 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.SD
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

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