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:2509.01399v1

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2509.01399v1 (cs)
[提交于 2025年9月1日 ]

标题: 舱室分离:基于掩码的MVDR实时车内语音分离方法,适用于分布式异构阵列

标题: CabinSep: IR-Augmented Mask-Based MVDR for Real-Time In-Car Speech Separation with Distributed Heterogeneous Arrays

Authors:Runduo Han, Yanxin Hu, Yihui Fu, Zihan Zhang, Yukai Jv, Li Chen, Lei Xie
摘要: 从多个说话人中分离重叠语音对于有效的人车交互至关重要。 本文提出CabinSep,一种轻量级基于神经掩码的最小方差无失真响应(MVDR)语音分离方法,以减少后端自动语音识别(ASR)模型中的语音识别错误。 我们的贡献有三个方面:首先,我们利用通道信息提取空间特征,这提高了语音和噪声掩码的估计。 其次,我们在推理过程中使用MVDR,减少语音失真,使其更符合ASR需求。 第三,我们引入一种结合模拟和真实记录的脉冲响应(IRs)的数据增强方法,提高了区域边界处的说话人定位,并进一步减少了语音识别错误。 计算复杂度仅为0.4 GMACs, CabinSep在真实记录的数据集上相比最先进的DualSep模型实现了17.5%的语音识别错误率相对降低。 演示视频可在以下网址查看:https://cabinsep.github.io/cabinsep/。
摘要: Separating overlapping speech from multiple speakers is crucial for effective human-vehicle interaction. This paper proposes CabinSep, a lightweight neural mask-based minimum variance distortionless response (MVDR) speech separation approach, to reduce speech recognition errors in back-end automatic speech recognition (ASR) models. Our contributions are threefold: First, we utilize channel information to extract spatial features, which improves the estimation of speech and noise masks. Second, we employ MVDR during inference, reducing speech distortion to make it more ASR-friendly. Third, we introduce a data augmentation method combining simulated and real-recorded impulse responses (IRs), improving speaker localization at zone boundaries and further reducing speech recognition errors. With a computational complexity of only 0.4 GMACs, CabinSep achieves a 17.5% relative reduction in speech recognition error rate in a real-recorded dataset compared to the state-of-the-art DualSep model. Demos are available at: https://cabinsep.github.io/cabinsep/.
评论: 被Interspeech 2025接受
主题: 声音 (cs.SD) ; 人工智能 (cs.AI); 人机交互 (cs.HC); 音频与语音处理 (eess.AS)
引用方式: arXiv:2509.01399 [cs.SD]
  (或者 arXiv:2509.01399v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.01399
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Runuduo Han [查看电子邮件]
[v1] 星期一, 2025 年 9 月 1 日 11:50:43 UTC (1,102 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
查看许可
当前浏览上下文:
cs.SD
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs
cs.AI
cs.HC
eess
eess.AS

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