科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文提出基于生成对抗网络设计的DVUGAN模型，用于语音增强任务。该模型工作在变换域上，输入采用STDCT特征，该特征能隐式表达相位，可在实值网络中学习，避免了复频域复杂网络或处理，利用相位的同时降低模型复杂度；生成器采用变分U-Net编解码器，集成DDSP组件利用强归纳偏置显著提升自动编码器性能，变分概率瓶颈改善脉冲噪声源的抑制，增加对未知数据分布的鲁棒性；引入DDSP中的Multi-Scale Spectral Loss，利用振荡器感知偏差，指导生成器优化感知性能；将SI-SNR Loss优化判别器性能，以平衡生成对抗网络结构，促使模型稳定训练。该模型在DNS开发数据集和Voice Bank+DEMAND数据集下评估优于基线模型和最近部分研究，证明了本文提出的DVUGAN在变换域语音增强领域的优越性。
- 单位
