Nov, 2017

从原始语音中学习滤波器组以进行语音识别

PDF
TL;DR通过对原始波形进行滤波及卷积神经网络训练，使得时域滤波器组近似于 Mel 滤波器组，并在 TIMIT 上的电话号码识别实验中，相较于使用 Mel 滤波器的模型，TD-filterbanks 在多个架构上均表现优异，这些滤波器在收敛时具有非对称脉冲响应，且一些滤波器几乎保持解析的情况。
time-domain filterbanksconvolutional neural networksphone recognitiontimitasymmetric impulse response
发现论文，激发创造
  • 从原始波形进行端到端的语音识别

    本研究研究使用卷积架构的可训练替代 Mel 滤波器，对两种 end-to-end 系统进行修改并与 Mel 滤波器进行比较，结果表明可训练的过滤器相对于 Mel 滤波器在单词错误率方面表现更好。

    Jun, 2018

  • 端到端语音分离的滤波器设计

    本文提出复数解析滤波器及其相关表征与掩码策略，进一步拓展了单通道语音分离的滤波器发展，并展示其在嘈杂环境下的优秀性能。同时，基于本文提出的参数化滤波器，对所有情况均证明了复数表征与掩码的优势，并表明了短时傅里叶变换（STFT）在 2ms 窗口下具有最佳性能。

    Oct, 2019

  • 端到端学习语音识别的低层生理学意义

    通过对 SincNet 的研究，我们证实了端到端系统确实能够学习到已知的滤波器结构，但是我们还展示了更宽带的滤波器对已学习的结构也很重要，标准的机器学习架构需要被改进以允许这个过程被神经仿真。

    Aug, 2022

  • LEAF: 可学习的音频分类前端

    利用可学习前端代替 mel-filterbank，可普适于语音、音乐、声音事件和动物声音信号的分类，同时在多种分类任务和 Audioset 中表现出比 mel-filterbank 更好的性能，且参数更少。

    Jan, 2021

  • 全卷积语音识别

    本文提出了一种基于卷积神经网络的语音识别方法，相对于传统的基于循环神经网络的模型使用更少的特征提取步骤，并在多项测试中取得了当下最佳的表现。

    Dec, 2018

  • 直接从波形中学习多尺度特征

    本文详细介绍了一种使用卷积滤波器的方法，可以通过减少步幅增加时间分辨率，通过增加滤波器增加频率分辨率以提高语音识别精度。我们同时在多个尺度上学习，从而发现更高效的表示方法，并且相对于基于光谱图的同样参数网络训练，内部语音测试集上的词语错误率下降了 20.7％。

    Mar, 2016

  • DeepFilterNet：感知驱动的实时语音增强

    本文介绍了使用 DeepFilterNet 进行实时语音增强的演示。通过利用言语生产和心理声学感知的领域知识，该模型能够匹配最先进的语音增强基准，并在单线程笔记本 CPU 上实现了实时化因子 0.19。该框架及预训练权重已在开源协议下发布。

    May, 2023

  • 从原始语音进行语音情感的直接建模

    本文提出了一种基于并行卷积层的方法，在特征提取单元中利用多个时间分辨率来共同训练 LSTM 分类神经网络。该方法可用于处理原始语音数据的情感识别任务，并可以达到使用手工制作特征训练 CNN 的性能水平。

    Apr, 2019

  • 用 DNN 滤波器组倒谱系数进行欺骗检测

    本文提出一种新的基于深度神经网络滤波器组的倒谱特征来识别自然语音与攻击音频之间的差异，该特征在检测未知攻击时比现有基于线性频率倒谱系数分类器更加有效。

    Feb, 2017

  • CGCNN: 基于原始语音的复杂 Gabor 卷积神经网络

    使用复杂的 Gabor 滤波器和深度神经网络的方法，在 TIMIT 音素识别任务中取得了最佳表现，同时保持可解释性。

    Feb, 2020