Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.07561

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2508.07561 (cs)
[提交于 2025年8月11日 ]

标题: 一种适用于移动全双工语音交互的小型声学回声消除解决方案

标题: A Small-footprint Acoustic Echo Cancellation Solution for Mobile Full-Duplex Speech Interactions

Authors:Yiheng Jiang, Tian Biao
摘要: 在全双工语音交互系统中,有效的声学回声消除(AEC)对于恢复受回声污染的语音至关重要。本文提出了一种基于神经网络的AEC解决方案,以应对移动场景中的各种挑战,包括不同的硬件、非线性失真和长延迟。我们首先结合多种数据增强策略,以提高模型在不同环境中的鲁棒性。此外,采用渐进式学习来逐步提高AEC的效果,从而显著提升了语音质量。为了进一步优化AEC的下游应用,我们引入了一种新颖的后处理策略,采用专门为语音活动检测(VAD)和自动语音识别(ASR)等任务设计的定制参数,从而提高了它们的整体效果。最后,我们的方法采用了一个小尺寸模型和流式推理,使得在移动设备上的无缝部署成为可能。实证结果表明,所提出的方法在回声返回损耗增强和语音质量感知评估方面具有有效性,并且在VAD和ASR结果上均有显著提升。
摘要: In full-duplex speech interaction systems, effective Acoustic Echo Cancellation (AEC) is crucial for recovering echo-contaminated speech. This paper presents a neural network-based AEC solution to address challenges in mobile scenarios with varying hardware, nonlinear distortions and long latency. We first incorporate diverse data augmentation strategies to enhance the model's robustness across various environments. Moreover, progressive learning is employed to incrementally improve AEC effectiveness, resulting in a considerable improvement in speech quality. To further optimize AEC's downstream applications, we introduce a novel post-processing strategy employing tailored parameters designed specifically for tasks such as Voice Activity Detection (VAD) and Automatic Speech Recognition (ASR), thus enhancing their overall efficacy. Finally, our method employs a small-footprint model with streaming inference, enabling seamless deployment on mobile devices. Empirical results demonstrate effectiveness of the proposed method in Echo Return Loss Enhancement and Perceptual Evaluation of Speech Quality, alongside significant improvements in both VAD and ASR results.
评论: 本文被接受至ICASSP 2025
主题: 声音 (cs.SD) ; 人工智能 (cs.AI)
引用方式: arXiv:2508.07561 [cs.SD]
  (或者 arXiv:2508.07561v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.07561
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yiheng Jiang [查看电子邮件]
[v1] 星期一, 2025 年 8 月 11 日 02:45:31 UTC (223 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.SD
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.AI

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号