arXiv · Audio and Speech· Haixin Zhao, Nilesh Madhu·· 3 小时前AI 评分18
面向均衡频谱重建:用于流式语音增强的频谱自适应损失
Towards Balanced Spectral Reconstruction: Spectrally Adaptive Loss for Streaming Speech Enhancement
AI 导读
论文提出两种频谱加权 STFT 损失函数,用于轻量级流式语音增强,解决由幅度-相位补偿效应引起的中高频幅度过度衰减。sigmoid 加权损失对相位感知贡献施加平滑的频率相关调制,频谱自适应损失进一步以真实对数幅度谱图条件化调制,并设计轻量骨干 HyST-Net,采用混合 MHA-GRU 谱时建模以适配低延迟流式场景。
来源:arXiv · Audio and Speech · arxiv.org