CMGAN:音声強調のためのコンフォーマに基づくメトリックGAN【JST・京大機械翻訳】

Cao Ruizhe; Abdulatif Sherif; Yang Bin

プレプリント

J-GLOBAL ID：202202209663176294 整理番号：22P0311799

CMGAN:音声強調のためのコンフォーマに基づくメトリックGAN【JST・京大機械翻訳】

CMGAN: Conformer-based Metric GAN for Speech Enhancement

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 (3件)： , ,
資料名：
発行年： 2022年03月28日プレプリントサーバーでの情報更新日： 2024年03月03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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

最近,畳み込み増強変圧器(コンフォーマ)は,音声信号における局所および大域的依存性の両方を捕捉することができるので,自動音声認識(ASR)および時間領域音声強調(SE)において有望な性能を達成した。本論文では,時間周波数(TF)領域におけるSEに対する配座異性体ベースメトリック生成敵対ネットワーク(CMGAN)を提案した。発電機では,時間と周波数依存性の両方をモデル化することにより,全ての大きさと複雑なスペクトログラム情報を集約するために,2段階配座異性体ブロックを利用した。大きさと複雑なスペクトログラムの推定を復号器段階で分離して,次に強化音声を再構成するために共同に組み込んだ。さらに,対応する評価スコアに関して発電機を最適化することによって,強化推定音声の品質をさらに改善するために,計量識別器を採用した。Voice Bank+DEMANDデータセットに関する定量分析は,マージン,即ち,3.41のPESQと11.10dBのSSNRを有する様々な以前のモデルを上回るCMGANの能力を示す。【JST・京大機械翻訳】

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

音声処理

, ,

前のページに戻る