计算机科学 > 声音
[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
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/。
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.