実時間通信のためのエンドツーエンドニューラル音声符号化【JST・京大機械翻訳】

Jiang Xue; Peng Xiulian; Zheng Chengyu; Xue Huaying; Zhang Yuan; Lu Yan

プレプリント

J-GLOBAL ID：202202202327925160 整理番号：22P0278589

実時間通信のためのエンドツーエンドニューラル音声符号化【JST・京大機械翻訳】

End-to-End Neural Speech Coding for Real-Time Communications

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 (6件)： , , , , ,
資料名：
発行年： 2022年01月23日プレプリントサーバーでの情報更新日： 2022年02月15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)

深層学習ベースの方法は,従来のものを超えるオーディオ符号化においてそれらの利点を示したが,リアルタイム通信(RTC)には限られた注意が払われてきた。本論文では,RTCに対する低待ち時間のエンドツーエンドニューラル音声コーデックであるTFNetを提案した。それは,オーディオ符号化においてほとんど研究されていない符号器-時間フィルタリング-デコーダパラダイムを取る。インターリーブ構造を,短期および長期時間的依存性の両方を捕捉するための時間フィルタリングのために提案した。さらに,エンドツーエンド最適化によって,TFNetを音声強調とパケット損失隠蔽によって共同最適化して,3つのタスクのための1つのオールネットワークを得た。主観的および客観的結果は,提案したTFNetの効率を実証した。【JST・京大機械翻訳】

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

符号理論 , 音声処理

前のページに戻る