MMSep, 2021

使用循环一致生成对抗网络的两阶段复杂网络进行语音增强

PDF
TL;DR本文提出了一种基于两个阶段的去噪系统，该系统通过将 CycleGAN 模型的估计强度与原始嘈杂的相位相结合来获得粗略增强的复杂光谱，并利用复杂光谱映射网络进一步抑制噪声成分和估计干净相位。实验结果表明，该方法在各种评估指标方面始终优于之前的单阶段 CycleGAN 和其他最先进的 SE 系统，尤其是在背景噪声抑制方面
发现论文，激发创造
  • 用于语音增强和抗噪声说话人验证的条件生成对抗网络

    利用条件生成对抗网络（cGANs）从噪声语音的谱图到增强副本，将其应用于语音增强（SE）中，并以感知语音质量（PESQ）、短时客观可懂度（STOI）和说话人验证等方面进行评估。实验结果显示，cGAN 方法整体上优于传统的 STSA-MMSE SE 算法，并且与基于深度神经网络的 SE 方法 (DNN-SE) 相当。

    Sep, 2017

  • SEGAN: 语音增强生成对抗网络

    本研究提出使用生成对抗网络进行语音增强，通过训练模型使其在波形级别对 28 个说话人和 40 种不同噪声条件进行增强，目的是解决当前技术只能处理少量特定噪声条件和依赖于一阶统计量的问题，实验证明该模型的可行性和有效性，未来可以进一步探索生成性结构用于提高语音增强的性能。

    Mar, 2017

  • CMGAN：基于 Conformer 的度量 GAN 语音增强

    本文提出了一种基于 Conformer 的度量生成对抗网络（CMGAN），用于在时频域中进行语音增强，定量分析表明，CMGAN 能够比以前的模型更好地提高性能。

    Mar, 2022

  • ICASSP 2021 深度降噪挑战赛：利用双阶段深度网络分离幅度与相位优化

    提出了一种新的消噪系统，主要由两个管道组成，第一个管道旨在解耦幅度和相位的优化问题，第二个管道旨在进一步抑制失真噪声，可以有效改善主观质量。在 ICASSP 2021 深度噪声抑制挑战中，我们的系统在实时轨迹 1 上以 ITU-T P.808 框架的平均意见得分 (MOS) 排名第一。

    Feb, 2021

  • 使用生成对抗网络探索语音增强以实现鲁棒的语音识别

    本文研究生成对抗网络（Generative Adversarial Networks, GANs）在语音增强领域中的有效性，通过操作 GANs 在 log-Mel 滤波器组上而非波形上以增强受到加性和混响噪声污染的语音信号，并通过将 GAN 增强特征附加至含噪输入并再次训练而获得了相对于传统多风格训练（Multi-style Training, MTR）系统的 7％错误率改进。

    Nov, 2017

  • 基于深度复数 U-Net 的相位感知语音增强

    通过三种方式解决相位估计问题，提出了基于复数建模的 Deep Complex U-Net，极坐标复数掩蔽方法和新型的 wSDR 损失函数，在 Voice Bank 和 DEMAND 数据库上测试表明相对于之前的方法实现了最新的性能提升。

    Mar, 2019

  • CMGAN：基于 Conformer 的度量 GAN 用于单声道语音增强

    本文提出了基于 Conformers 的度量生成对抗网络（CMGAN）用于时频域中的语音增强，并且在消除噪声、去混响和超分辨率等三个语音增强任务上取得了优越的性能。

    Sep, 2022

  • 野外环境下面部照片 - 素描互译的半监督循环生成对抗网络

    本文介绍一种半监督方法，即带有噪声注入策略的 Semi-Cycle-GAN (SCG)，用于解决面部照片素描翻译中的配对数据集小且缺乏多样性以及来自不匹配照片 - 素描数据集所带来的隐写学现象等问题。实验证明 SCG 在公共基准测试中具有竞争性的性能，并且在野外照片上表现出优越的结果。

    Jul, 2023

  • MelGAN: 生成对抗网络用于条件波形合成

    该研究提供了一种新的、用于生成高质量音频的 GAN 结构以及相关训练技巧，并证明了其在语音合成、音乐领域翻译和音乐合成中的有效性。

    Oct, 2019

  • 无监督图像超分辨率使用循环对抗网络

    本文提出了一种无监督学习的方法，利用生成对抗网络和 Cycle-in-Cycle 网络结构，通过映射、上采样和微调等三个步骤，将带有噪声和模糊的低分辨率图片转换为高分辨率图片，并在 NTIRE2018 数据集上取得了与有监督模型相当的效果。

    Sep, 2018