Mar, 2022

FullSubNet+：利用复数谱的通道注意力 FullSubNet 进行说话增强

PDF
TL;DR本文提出了一种扩展的单通道实时语音增强框架 FullSubNet+，采用了轻量级多尺度时间敏感通道注意力 MulCA 模块、全幅值、实部与虚部谱图作为输入以充分利用噪声语音中的相位信息、以及用时序卷积网络块（TCN）替换原先的长短期记忆层的全幅模型，其在 DNS 挑战数据集中表现优越，达到了最先进的性能并优于其他现有语音增强方法。
deep noise suppressionfullsubnet+mulca moduletemporal convolutional networkspeech enhancement
发现论文，激发创造
  • FullSubNet：一种全频带与子频带融合模型，用于实时单通道语音增强

    本文提出了一种全频带和子频带融合模型 FullSubNet，用于单通道实时语音增强，实验结果表明 FullSubNet 可以有效整合全频带和子频带信息，并在 DNS 挑战（INTERSPEECH 2020）中达到了最佳成绩。

    Oct, 2020

  • 具有感知驱动优化和双重转换的语音增强

    本文提出了一种基于子带的语音增强系统，名为 PT-FSE，该系统通过对子带频谱图的操作来增强语音，其中包括全频带和子频带的融合模型、频率变换模块、时间变换和人类听觉感知的损失函数，实验结果表明，该系统达到了显著的改进，并且在基准数据集上优于当前最先进的技术。

    Sep, 2022

  • 一种感知动机的方法用于低复杂度、实时完整语音的增强

    本文提出了一种称之为 PercepNet 的用于语音增强的深度学习方法，该方法仅需要短时间的傅里叶变换，通过聚焦于语音的谱包络和周期性，可以实现高质量、实时的全频带语音增强，仅需要不到 5% 的 CPU 核心。

    Aug, 2020

  • 语音增强中高效编码器 - 解码器和双通道 Conformer 的综合特征学习

    该论文提出了一种基于改进密集连接块、双路径模块、卷积增强变形器、通道注意力和空间注意力的时间频域语音增强网络（DPCFCS-Net）, 在 VCTK+DEMAND 数据集上表现优于现有技术，其改进的密集连接块和二维注意力模块易于集成到现有网络中，具有更高的适应性。

    Jun, 2023

  • 高效单声道语音增强的谱注意力融合

    在语音增强领域，我们提出了一种称为频谱注意力融合的方法，通过使用卷积模块替换自注意力层，提高了模型的计算效率，从而实现了与先进模型相媲美的结果，但参数规模更小（0.58M）的目标。

    Aug, 2023

  • FaSNet：适应性低延迟波束成形技术在多麦克风音频处理中的应用

    提出了一种适用于低延迟场景的时域、基于过滤的波束成形方法 ——FaSNet，该方法可在含噪声和混响语音增强中表现出色，同时还可在 CHiME-3 数据集上通过训练基于频域目标函数的 FaSNet 模型实现与基准模型相比的相对字错误率降低 14.3%。

    Sep, 2019

  • 端到端的光谱时域图注意力网络用于说话人验证防欺诈和语音深度伪造检测

    本文提出了通过使用基于图注意力网络的声谱 - 时间表示学习方法，以及采用模型级别的图融合和图池化策略，进行深度伪造声音检测的方法， 在 ASVspoof 2019 数据库上达到了 1.06% 的等误率，是目前为止报告的最佳结果之一。

    Jul, 2021

  • McNet: 多通道语音增强中融合多种线索

    本文提出了一种名为 McNet 的多提示融合网络，该网络级联四个模块分别利用全频带空间、窄带空间、子带谱和全频带谱信息，通过实验证明该网络的每个模块都具有其独特的贡献，整体而言显著优于其他最先进的方法。

    Nov, 2022

  • FcaNet: 频率通道注意力网络

    该论文提出了在频域进行特征分解以解决通道表示问题的方法，使用多光谱通道注意力机制来实现通道压缩，并在图像分类、物体检测和实例分割任务上取得了优异的效果。

    Dec, 2020

  • 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