基于深層聲學特征的端到端語音分離
李娟娟; 王丹; 李子晉 復旦大學計算機科學技術學院; 上海201203; 盲信號處理國家級重點實驗室; 上海200434; 中國音樂學院音樂科技系; 北京100101
- 語音分離
- 聲學特征
- 深度神經網絡
- 語音原始波形
- 端到端模型
摘要：提出基于深層聲學特征的端到端單聲道語音分離算法,傳統聲學特征提取方法需要經過傅里葉變換、離散余弦變換等操作,會造成語音能量損失以及長時間延遲.為了改善這些問題,提出了以語音信號的原始波形作為深度神經網絡的輸入,通過網絡模型來學習語音信號的更深層次的聲學特征,實現端到端的語音分離.客觀評價實驗說明,本文提出的分離算法不僅有效地提升了語音分離的性能,也減少了語音分離算法的時間延遲.
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
