Sep, 2019

一种可扩展的嘈杂语音数据集和在线主观测试框架

PDF
TL;DR本研究提出了一种可以按任意讲话者数量、噪声类型和语音信噪比水平进行横向扩展的 MS-SNSD 有噪语音数据集，在这个基础上，研究者们推出了开源的评估方法，通过客观质量衡量标准和主观意见评分相互印证提升了 语音增强算法的性能。
deep learningnoise suppressionspeech enhancementdatasetsubjective evaluation
发现论文，激发创造
  • 2020 INTERSPEECH 深度降噪挑战：数据集、主观测试框架和挑战结果

    介绍了交互式语音技术协会 2020 年举办的深度噪声抑制挑战赛，通过提供大规模干净语音和噪声语料库对话音频，以及基于 ITU-T P.808 的在线主观测试框架，比较了不同算法的噪声抑制效果。

    May, 2020

  • ICASSP 2021 深度降噪挑战

    本研究旨在促进噪声抑制技术的创新，提高感知语音质量。通过在 INTERSPEECH 2020 会议上举行 Deep Noise Suppression Challenge 特别会议以及开源训练和测试数据集，来推动该领域的研究。挑战赛分为两个方向，一个专注于实时去噪，另一个专注于实时个性化深度噪声抑制。我们还提供了一种非侵入式的客观语音质量指标 DNSMOS，在开发阶段供参与者使用，最终评估将基于主观测试。

    Sep, 2020

  • DNSMOS: 一种非侵入性的感知客观语音质量指标，用于评估降噪器

    为了评估噪音抑制算法的感知质量，该研究提出了一种多阶段自学习的感知客观指标方法，能够推广到高难度测试条件，并具有与人类评分的高相关性。

    Oct, 2020

  • Interspeech 2021 深度降噪挑战

    Deep Noise Suppression Challenge aims to improve speech quality through open-sourced datasets and evaluation frameworks using two tracks focused on real-time denoising for wideband and full band scenarios, as well as making available a reliable objective speech quality metric called DNSMOS.

    Jan, 2021

  • 深度降噪的数据增强和损失归一化

    本文研究使用数据增强和信号规范化的深度学习方法用于语音增强，结果表明通过对信噪比、频谱和动态级别的增强可以提高训练效果，使用序列级别的规范化可以克服数据不平衡造成的降级问题。

    Aug, 2020

  • 在 VoIP 平台上提高感知质量、可懂性和声学表现

    本文提出了一种适用于 VoIP 应用的深度噪声抑制模型的微调方法，并通过使用多任务学习框架联合优化噪声抑制和特定于 VoIP 的声学，表明该方法优于行业绩效和最先进的语音增强方法，并展示了 DNS-2020 模型在不同 VoIP 平台上具有潜在优化的潜力，这些发现在语音识别、语音助手和通信等领域具有重要应用。

    Mar, 2023

  • 带噪标签的音频损坏监督分类器

    本研究分析了使用大量嘈杂无序标签通过声学数据集训练 CNN 的效果，证明 CNN 在训练时表现出更好的泛化能力，测试性能显著提高。研究指出使用嘈杂无序标签需要显著增加训练数据集的大小。

    Jul, 2019

  • 利用多组噪声扩充数据进行跨语言口语理解的学习

    本文提出了一种通过机器学习方法处理低资源语言中语音理解数据的方法，通过多个模型同时对不同扩充的训练数据对彼此提供监督信号，实现了对数据的去噪处理，在两个基准数据集上的实验结果表明，我们的方法优于现有技术达 3.05% 和 4.24% 的性能表现。

    Sep, 2021

  • VoIP 平台上语音增强的心理声学挑战

    该研究通过对专有发送端降噪效果、Google Meets 和 Zoom 等平台的细致评估，以及使用 2020 年 Deep Noise Suppression (DNS) 数据集，结合 Oaxaca 分解法、心理声学度量标准 PESQ 和 STOI 来分析 VoIP 系统中的声学 - 语音扰动，提供了语音变化的全面理解，凸显了 VoIP 所影响的声学动态的复杂景象。此外，还包括了时间和时频领域的语音增强模型的领域外基准测试，从而提升了此研究的深度和适用性。

    Oct, 2023

  • 提高噪声学生训练用于自动语音识别

    本文研究了在自动语音识别中使用自适应 SpecAugment 的噪声自适应训练方法，通过过滤、平衡和增强数据集，成功地提高了网络性能，使 WER 在 LibriSpeech 测试集上分别为 4.2％/8.6％（无噪声 / 有噪声），并在 LibriLight 上达到了 1.7％/3.4％（无噪声 / 有噪声）

    May, 2020