基于谱减法的分叉生成对抗网络语音增强

Ju Lin、Sufeng Niu、Zice Wei、Xiang Lan、Adrian J.van Wijngaarden、Melissa C.Smith、Kuang-Ching Wang

使用生成对抗网络的语音增强技术（GAN）可以有效抑制噪声，同时允许对模型进行训练端到端。然而，这些技术直接在时域上运行波形，通常是高维的，需要广泛的计算。本文提出了一种新的基于GAN的语音增强方法该方法被称为S-ForkGAN，用于对数功率谱而不是在时域语音波形上，并使用分叉GAN结构来提取语音和噪声信息。通过操作在对数功率谱上，可以无缝地包括传统谱减法技术，并且参数空间通常具有较低的尺寸。对S-ForkGAN的自动语音性能进行了评估使用TIMIT数据集和广泛的噪声进行识别（ASR）条件。结果表明，S-ForkGAN优于现有的基于GAN的技术和它具有较低的复杂性。

doi:10.21437/Interspeech.2019-2954

引自：Lin，J.，Niu，S.，Wei，Z.，Lan，X.，Wijngaarden，A.J.v.，Smith，M.C.，Wang，K.-C.（2019）使用分叉生成对抗网络和谱减法进行语音增强。程序。Interspeech 2019，3163-3167，doi:10.21437/Interspeech.2019-2954

@正在进行{lin19d_enterseech，author={朱琳（Ju Lin）、牛素峰（Sufeng Niu）、魏子策（Zice Wei）、向兰（Xiang Lan）、阿德里安（Adrian J.van Wijngaarden）、梅丽莎·史密斯（Melissa C.Smith）和王匡庆（Kuang-Ching Wang），title＝{{使用具有谱减法的分叉生成对抗性网络的语音增强}}，年份=2019，booktitle={Proc.Interspeech 2019}，页码＝{3163-3167}，doi={10.21437/Interspeech.2019-2954}，issn={2958-1796}}