speaker extraction | BriefGPT

关键词speaker extraction

搜索结果 - 6

利用空间选择性深度非线性滤波器的多通道语音分离
本文中我们提出了基于深度神经网络和循环神经网络的空间选择性滤波器 (SSF)，在多扬声器多声道分离任务中，可以从混合信号中提取出特定说话者的声音信息，并与直接分离方法进行了比较。结果表明，SSF 具有更好的空间信息利用和泛化能力。
PDFa year ago
VCSE: 时域视觉语境说话人提取网络
本文提出了一种包含视觉和自我学习语境线索的两阶段时域视觉 —— 语境扬声器提取网络 VCSE, 在 LRS3 数据库上表现比其他最先进的基线一致优秀
PDF2 years ago
使用统一的时频 Siamese-Unet 提取单个麦克风扬声器
本文提出了一种统一的时频方法，在清洁和嘈杂的条件下进行说话者提取。该方法采用了 Siamese-Unet 结构，使用频率域和时间域表示，以及采用了规范化的频域损失，最终在实验结果上达到了比传统的说话者提取方法和盲源分离方法更好的效果。
PDF2 years ago
SpEx+: 一个完整的时域说话人提取网络
本文提出了一种完整的时域说话人提取解决方案 SpEx+ ，通过绑定两个相同语音编码器网络的权重来消除时域与频域之间的不匹配，实验证明 SpEx+ 在不同和相同性别条件下，比现有的 SpEx 基准系统有 0.8dB 和 2.1dB 的 SDR
PDF4 years ago
SpEx: 多尺度时域说话人提取网络
通过提出 SpEx 网络并采用多尺度嵌入系数，将多说话声音信号转换成特定发言人的声音信号，该网络在信号畸变比（SDR）、比例尺不变信号畸变比（SI-SDR）和语音质量评估（PESQ）等方面均有显著改进。
PDF4 years ago
利用幅度和时间谱逼近损失优化说话者提取神经网络
提出了 SpeakerBeam-FE 方法进行说话者分离，通过幅度和时间频谱近似损失来估计目标说话者的相位敏感掩模，使用串接框架来将说话者嵌入编码到掩模估计网络中，实验结果表明，相对于 SBF 基准线，在 SDR 和 PESQ 方面，所提出
PDF5 years ago