简化后：本文提出了一种基于语音增强的策划管道（SECP）框架，旨在最小化对人工听力和注释的依赖，通过两个迭代循环的运行，观察到使用增强输出作为基本真实性的模型性能不降低，并通过主观测试表明改进数据的最高和最低边界比原始数据更具感知效果。

Feb, 2024

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

研究提出了一种基于度量导向的语音增强方法 (MOSE)，通过创新的 actor-critic 框架，将评估度量视为后验奖励，以指导反向过程到度量增加方向，从而提高了性能。

Feb, 2023

本文介绍了将语音分离和增强（SSE）纳入 ESpnet 工具包的最新进展，包括最新的语音增强模型及其评估，并设计了新界面将语音增强应用于前端任务包括自动语音识别（ASR）、语音翻译（ST）和口语理解（SLU），实验表明其在多通道场景下是一种有前途的研究方向及可以用作未来研究的基准语料库。

Jul, 2022

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

研究采用深度学习技术解决音视频语音增强任务时，目标量和目标函数的选择对性能至关重要；本实验研究了一系列不同的目标量和目标函数，结果表明直接估计掩模的方法在估计语音质量和可懂度方面表现最佳。

Nov, 2018

个性化语音增强模型通过适应说话者的语音特征，可以提高远程会议系统的音频质量。然而，大多数现有方法需要独立的说话者嵌入模型从注册音频中提取说话者的向量表示，这增加了训练和部署过程的复杂性。我们提出使用个性化语音增强模型本身的内部表示作为说话者嵌入，从而避免了需要独立模型的需求。我们证明我们的方法在降噪和消除回声任务上表现出与使用预训练的说话者嵌入模型的标准方法相同或更好的效果。此外，我们的方法在 2023 年 ICASSP 深度噪声抑制挑战中比冠军的平均观点分高 0.15。

Jun, 2024

通过一个可微的近似 PESQ 函数训练语音增强模型，可以提高 PESQ 得分（相对于用 MSE loss 训练的结果增加了 0.18 分），同时保持语音可懂性。

May, 2019

该论文提出了一种 FCCL 方法，通过跨模态多粒度对比学习来实现显式知识转移，该方法在多语言和多粒度上显著优于 E2E-ST 基线，有助于提取包含丰富语义信息的语音表示。

Apr, 2023

该研究提出了一种多目标框架，旨在学习与语音增强 (SE) 的目标任务无关的次要目标以及直接用于构建增强语音信号的原始目标的清洁对数功率谱 (LPS) 特征。在深度神经网络 (DNN) 语音增强中，作者引入了一个辅助结构来学习次要的连续特征和分类信息，并将其集成到原始 DNN 体系结构中，以联合优化所有参数。这种联合估计方案强加了其他限制，这在直接预测 LPS 时不可用，并且潜在地提高了主要目标的学习能力。此外，作为副产物学到的次要信息可以用于其他目的，在本文中是基于 IBM 的后处理。一系列实验表明，联合学习 LPS 和 MFCC 可以提高语音增强的性能，基于 IBM 的后处理进一步提高了重建语音的听音质量。

Mar, 2017