speaker-independent | BriefGPT

关键词speaker-independent

搜索结果 - 7

嘴唇闭合：透过障碍物进行视听言语增强
本文提出了一种深度音频 - 视觉语音增强网络，该网络可以通过对说话者的嘴唇动作和 / 或声音来分离说话者的声音，在嘴部区域引入人工遮挡并通过混合音频来训练模型，实现说话者独立，且在视觉感知受阻的情况下表现优异的应用。
PDF5 years ago
儿童语音中原始超声波音素段的说话人无关分类
本文研究使用超声舌头成像技术对语音产生的过程进行可视化，并通过多种训练方案探讨了从原始超声记录中对语音的分类方法，研究表明，提供最少的额外讲话者信息可以有助于模型更好地推广到未知的讲话者中。
PDF5 years ago
未知发言者数量的递归语音分离
该论文提出了一种用于未知扬声器数量的单通道扬声器非特定多扬声器语音分离方法，其中引入了排列不变训练，使模型具有递归性，并且通过使用基于深度神经网络的分类器进行递归分离来更准确地估计混音中扬声器数量，从而在 WSJ0-2mix 和 WSJ0-
PDF5 years ago
基于面部特征的多说话人环境下的语音增强
本文提出了使用已有的人脸标记检测器生成时间 - 频率蒙版来提高多人交谈环境下的语音增强过程，其结果表明，我们的模型是在有限的 GRID 和 TCD-TIMIT 数据集上进行培训和评估的首个能够实现在多人交谈环境中实现独立于发言人的语音增强的
PDF6 years ago
Conv-TasNet: 超越理想的时间 - 频率幅度掩蔽技术，实现语音分离
该论文介绍了一个名为 Conv-TasNet 的深度学习框架，可用于端到端的语音分离，通过一系列线性编码器和加权函数（掩码），Conv-TasNet 可以显著地提高两个和三个扬声器混合声音的分离能力，并优于多种时间 - 频率掩码方法和经过主
PDF6 years ago
寻找鸡尾酒会中的发言者：一种基于音视频模型的独立演讲分离方法
我们提出了一种联合音频 - 视觉模型，用于从包括其它说话者和背景噪声在内的混合声音中分离单个语音信号，并且利用深度学习和 AVSpeech 数据集，实现了人脸指定后的语音分离任务，相较于仅使用音频的方法，在多说话人的情况下表现出更好的效果。
PDF6 years ago
使用卷积神经网络和上下文信息进行韵律事件识别
本文研究了卷积神经网络在检测和分类词汇上的韵律事件，包括音高强调和短语边界音调，作者说明加入当前词汇位置特征可以使卷积神经网络表现更好，并且将模型从单个发音者扩展到多个发音者的情况下性能依然较强。
PDF7 years ago