Oct, 2019

双通道 RNN：适用于时域单声道语音分离的高效长序列建模

PDF
TL;DR本文提出了一种名为 DPRNN 的新型深度循环神经网络机制，它通过将输入序列分成较小的块并迭代应用区域内和区域间操作来模拟极长序列。实验结果表明，在使用 DPRNN 和在时域中应用样本级建模的 TasNet 中，相对于之前的最佳系统，使用比原来小 20 倍的模型在 WSJ0-2mix 上实现了新的最先进性能。
deep learningspeech separationrecurrent neural networksconvolutional neural networkstime-domain
发现论文，激发创造
  • 双通道滤波网络：面向语音分离的说话人感知建模

    本文中，我们提出一种名为双路滤波器网络的新型模型，它由说话者模块和分离模块组成，旨在改善语音分离的性能，避免排列不变性训练的问题，并在 DPRNN-TasNet 基础上构建，不仅优于 DPRNN-TasNet，而且能够识别说话者信息。

    Jun, 2021

  • Dual-Path Transformer Network: 直接上下文感知建模的端到端单声道语音分离

    本研究提出一种双路径变换网络（DPTNet）进行端到端语音分离，引入了直接上下文感知建模。改进的变换器使元素之间可以直接交互，并且双路径结构使得模型效率更高，实验结果表明，我们的方法优于当前最先进的模型（公共 WSj0-2mix 数据集上的 20.6 dB SDR）。

    Jul, 2020

  • 一种基于原始 - 对偶方法的约束回声状态属性的递归神经网络训练方法

    本文提出了一个循环神经网络架构，利用一个全连接的深度神经网络作为其特征提取器，并采用原始 - 对偶训练方法进行学习，实现了 18.86% 的电话识别错误率并优于已有的方法。

    Nov, 2013

  • 利用全局注意力和本地循环网络进行有效的低成本时域音频分离

    通过使用自我关注机制和在分维度上的特征序列处理，设计了一种低成本、高性能的全局关注局部循环 (GALR) 网络，并在三个数据集上实现了相对于 DPRNN 的显著绝对改进，同时相对 DPRNN 降低了运行时内存使用和计算操作次数。

    Jan, 2021

  • 基于深度卷积神经网络的端到端语音识别

    本文提出将 CNN 与 CTC 相结合的端到端语音识别框架，以实现序列标记；在 TIMIT 音素识别任务中评估该方法并表明其在计算效率和性能上优于已有基线系统，并指出 CNN 具有利用适当上下文信息来建模时间相关性的能力。

    Jan, 2017

  • DCCRN: 深度复杂卷积循环网络用于相位感知语音增强

    本研究提出了一种新的深度复合卷积循环网络（DCCRN）结构来有效训练语音增强中的复杂目标，使得模型在客观和主观指标上都具有很高的性能，且在 Interspeech 2020 中 MOS 评分在实时组别中排名第一，在非实时组别中排名第二，其参数数量仅为 3.7M。

    Aug, 2020

  • 多维递归神经网络

    本文介绍了多维循环神经网络 (MDRNNs) 的概念，扩展了循环神经网络 (RNNs) 在视觉、视频处理、医疗影像等领域的应用，同时避免了其它多维模型所面临的缩放问题。笔者提供了两个图像分割任务的实验结果。

    May, 2007

  • 深度循环神经网络语音识别

    本文研究了将深度网络的多层表示与强大的 RNN 模型相结合的模型 - 深度递归神经网络，通过合适的正则化和端到端的训练方法，该模型在 TIMIT 语音识别基准测试中获得了最佳记录得分 17.7％。

    Mar, 2013

  • 深度循环神经网络用于声学建模

    本文提出了一种用于噪声环境下语音自动识别的新型深度循环神经网络模型，结合了深度神经网络和双向长短期记忆网络，在华尔街日报数据集上相较于传统深度神经网络模型提高了近 8%。

    Apr, 2015

  • DPATD: 双阶段音频变压器降噪

    通过利用较小的音频块作为输入，我们提出了一种名为 DPATD 的双相音频变压器模型，该模型组织了一个深层结构的变压器层以学习用于降噪的清洁音频序列。广泛的实验证明我们的模型优于现有技术方法。

    Oct, 2023