计算机科学 > 声音
[提交于 2026年2月2日
]
标题: ParaGSE:基于组向量量化神经语音编解码器的并行生成语音增强
标题: ParaGSE: Parallel Generative Speech Enhancement with Group-Vector-Quantization-based Neural Speech Codec
摘要: 最近,生成式语音增强引起了广泛关注;然而,现有的方法受到过度复杂性、有限效率和次优语音质量的限制。 为了克服这些挑战,本文提出了一种新颖的并行生成式语音增强(ParaGSE)框架,该框架利用基于组向量量化(GVQ)的神经语音编解码器。 基于GVQ的编解码器采用独立的VQ来生成相互独立的标记,从而在ParaGSE中实现高效的并行标记预测。 具体来说,ParaGSE利用基于GVQ的编解码器将退化的语音编码为不同的标记,通过并行分支根据退化频谱特征预测相应的干净标记,并最终通过编解码器解码器重建干净语音。 实验结果表明,在包括噪声、混响、带宽限制及其混合在内的广泛失真情况下,ParaGSE始终能产生优于判别式和生成式基线的增强语音。 此外,得益于标记预测中的并行计算,与串行生成式语音增强方法相比,ParaGSE在CPU上的生成效率提高了约1.5倍。
文献和引用工具
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
推荐器和搜索工具
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.