生成敵対ネットワークによる音声強調のためのオーディオフィンガープリント特徴の利用について【JST・京大機械翻訳】

Faraji Farnood; Attabi Yazid; Champagne Benoit; Zhu Wei-Ping

プレプリント

J-GLOBAL ID：202202202215211793 整理番号：22P0175248

生成敵対ネットワークによる音声強調のためのオーディオフィンガープリント特徴の利用について【JST・京大機械翻訳】

On the Use of Audio Fingerprinting Features for Speech Enhancement with Generative Adversarial Network

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年07月26日プレプリントサーバーでの情報更新日： 2020年07月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

音声強調における学習ベースの方法の出現は,それらの重要な情報を保存する間,音声信号をコンパクトに表現できるロバストで信頼できる訓練特徴の必要性を復活した。短いTermFourier変換(STFT)とMel-Frequency Cepstral Celects(MFCC)のような時間-周波数領域特徴が,多くのアプローチで好まれる。MFCCはコンパクトな表現を提供するが,それらは各メルスケールサブバンドにおけるエネルギーの動力学と分布を無視している。本研究では,Generative Adversarial Network(GAN)に基づく音声強調システムを実装し,MFCCと正規化スペクトルサブバンド(NSSC)から得たAudio FingerPrinting(AFP)特徴の組み合わせで試験した。NSSCは音声ホルマントの位置を捕捉し,MFCCを重要な方法で補完する。多様な話者とノイズタイプによる実験において,提案したAFP特徴組合せによるGANベースの音声強調は,メモリ要求と訓練時間を減らす間,最良の客観的性能を達成した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , 音声処理

, ,

前のページに戻る