每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

结合 Mamba 进行语音增强的调查

Created by
  • Haebom

作者

赵荣、程文晃、Moreno La Quatra、Sabato Marco Siniscalchi、Chao-Han Huck Yang、Szu-Wei Fu、Yu Tsao

SEMamba：使用 Mamba 增强语音

大纲

本研究旨在利用 Mamba（一种近期提出的、不包含注意力机制的可扩展状态空间模型 (SSM)）完成语音增强 (SE) 任务。具体而言，我们使用 Mamba 部署了各种基于回归的 SE 模型 (SEMamba)，包括基础、高级、因果和非因果配置。此外，我们考虑了基于信号级距离或度量方向的损失函数。实验结果表明，SEMamba 在高级非因果配置下，在 VoiceBank-DEMAND 数据集上取得了 3.55 的 PESQ 得分，并获得了极具竞争力的成绩。此外，当 SEMamba 与感知对比度拉伸 (PCS) 结合使用时，报告了 3.69 的破纪录 PESQ 得分。与基于变换的 SE 解决方案相比，在高级非因果配置下，FLOP 减少了高达约 12%。最后，SEMamba 可用作自动语音识别 (ASR) 之前的预处理步骤，与近期的 SE 解决方案相比，其性能更具竞争力。

Takeaways, Limitations

•
提出使用 Mamba 的语音增强模型（SEMamba）并在各种配置上进行实验。
•
在 VoiceBank-DEMAND 数据集上获得了具有竞争力的 PESQ 分数（3.55）。
•
与 PCS 结合，实现 SOTA PESQ (3.69)
•
与基于转换的模型相比，FLOP 减少（高达约 12%）
•
介绍将其用作 ASR 预处理步骤的可能性。
•
论文中没有直接提到具体的Limitations（需要通过未来的研究进行补充）
👍
Made with Slashpage