Fugu-MT 論文翻訳(概要): DeepFilterNet: Perceptually Motivated Real-Time Speech Enhancement

論文の概要: DeepFilterNet: Perceptually Motivated Real-Time Speech Enhancement

arxiv url: http://arxiv.org/abs/2305.08227v1
Date: Sun, 14 May 2023 19:09:35 GMT
ステータス: 処理完了
システム内更新日: 2023-05-16 16:45:53.661776
Title: DeepFilterNet: Perceptually Motivated Real-Time Speech Enhancement
Title（参考訳）: deepfilternet: 知覚的動機付けによるリアルタイム音声強調
Authors: Hendrik Schr\"oter, Tobias Rosenkranz, Alberto N. Escalante-B., Andreas Maier
Abstract要約: 本稿では,DeepFilterNetを用いたリアルタイム音声強調デモを示す。我々のモデルは,1スレッドノートブックCPU上で,リアルタイムの0.19を達成しつつ,最先端の音声強調ベンチマークと一致させることができる。
参考スコア（独自算出の注目度）: 10.662665274373387
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Multi-frame algorithms for single-channel speech enhancement are able to take advantage from short-time correlations within the speech signal. Deep Filtering (DF) was proposed to directly estimate a complex filter in frequency domain to take advantage of these correlations. In this work, we present a real-time speech enhancement demo using DeepFilterNet. DeepFilterNet's efficiency is enabled by exploiting domain knowledge of speech production and psychoacoustic perception. Our model is able to match state-of-the-art speech enhancement benchmarks while achieving a real-time-factor of 0.19 on a single threaded notebook CPU. The framework as well as pretrained weights have been published under an open source license.
Abstract（参考訳）: 単一チャンネル音声強調のためのマルチフレームアルゴリズムは、音声信号内の短時間相関を活用できる。周波数領域における複素フィルタを直接推定し,それらの相関性を利用するためにDF法を提案した。本稿では,DeepFilterNetを用いたリアルタイム音声強調デモを示す。 DeepFilterNetの効率性は、音声生成と心理音響知覚のドメイン知識を活用することで実現される。本モデルは,シングルスレッドノートブック cpu 上で 0.19 のリアルタイム係数を実現しつつ,最先端の音声強調ベンチマークと一致させることができる。フレームワークと事前トレーニングされた重み付けは、オープンソースライセンスで公開されている。

関連論文リスト

Simple Pooling Front-ends For Efficient Audio Classification [56.59107110017436]
入力音声特徴量における時間的冗長性を排除することは,効率的な音声分類に有効な方法である可能性が示唆された。本稿では、単純な非パラメトリックプーリング操作を用いて冗長な情報を削減する単純なプールフロントエンド(SimPFs)のファミリーを提案する。 SimPFは、市販オーディオニューラルネットワークの浮動小数点演算数の半数以上を削減できる。
論文参考訳（メタデータ） (2022-10-03T14:00:41Z)
DeepFilterNet2: Towards Real-Time Speech Enhancement on Embedded Devices for Full-Band Audio [10.662665274373387]
DeepFilterNetは効率的な音声強調(SE)を可能にする音声の調和構造を利用するトレーニング手順、データ拡張、ネットワーク構造におけるいくつかの最適化は、最先端のSEパフォーマンスをもたらす。これにより,組込みデバイス上でリアルタイムに動作可能なアルゴリズムが実現される。
論文参考訳（メタデータ） (2022-05-11T13:19:41Z)
End-to-End Neural Audio Coding for Real-Time Communications [22.699018098484707]
本稿では、リアルタイム通信(RTC)のための低レイテンシでエンドツーエンドのニューラルオーディオシステムTFNetを提案する。短期的および長期的両方の時間的依存関係をキャプチャするために,時間的フィルタリングのためのインターリーブ構造を提案する。エンドツーエンドの最適化により、TFNetは音声強調とパケットロスの隠蔽を共同で最適化し、3つのタスクに1対1のネットワークを提供する。
論文参考訳（メタデータ） (2022-01-24T03:06:30Z)
DeepFilterNet: A Low Complexity Speech Enhancement Framework for Full-Band Audio based on Deep Filtering [9.200520879361916]
ディープフィルタを利用した2段階音声強調フレームワークDeepFilterNetを提案する。まず、人間の周波数知覚をモデル化したERBスケールゲインを用いてスペクトルエンベロープを強化する。第2段階では、音声の周期的成分を高めるためにディープフィルタリングを用いる。
論文参考訳（メタデータ） (2021-10-11T20:03:52Z)
Streaming End-to-End ASR based on Blockwise Non-Autoregressive Models [57.20432226304683]
非自己回帰(NAR)モデリングは、音声処理においてますます注目を集めている。エンドツーエンドのNAR音声認識システムを提案する。提案手法は低レイテンシ条件下でのオンラインASR認識を改善する。
論文参考訳（メタデータ） (2021-07-20T11:42:26Z)
Gated Recurrent Fusion with Joint Training Framework for Robust End-to-End Speech Recognition [64.9317368575585]
本稿では,ロバスト・エンド・ツー・エンドASRのためのジョイント・トレーニング・フレームワークを用いたゲート・リカレント・フュージョン(GRF)法を提案する。 GRFアルゴリズムはノイズと拡張された特徴を動的に組み合わせるために使用される。提案手法は従来の関節強化・変圧器法に比べて10.04%の相対的文字誤り率(CER)低減を実現する。
論文参考訳（メタデータ） (2020-11-09T08:52:05Z)
VoiceFilter-Lite: Streaming Targeted Voice Separation for On-Device Speech Recognition [60.462770498366524]
ターゲットユーザからの音声信号のみを保存するためにデバイス上で実行される単一チャネルソース分離モデルであるVoiceFilter-Liteを導入する。本研究では,そのようなモデルを8ビット整数モデルとして量子化し,リアルタイムに実行可能であることを示す。
論文参考訳（メタデータ） (2020-09-09T14:26:56Z)
DeepVOX: Discovering Features from Raw Audio for Speaker Recognition in Non-ideal Audio Signals [19.053492887246826]
本稿では,大量の音声からフィルタバンク設計を推定する深層学習手法を提案する。このようなフィルタバンクの目的は、劣化、短時間、多言語音声などの非理想的音声条件に対して頑健な特徴を抽出することである。
論文参考訳（メタデータ） (2020-08-26T16:50:26Z)
Real Time Speech Enhancement in the Waveform Domain [99.02180506016721]
本稿では,ラップトップCPU上でリアルタイムに動作する生波形を用いた因果音声強調モデルを提案する。提案モデルは、スキップ接続を持つエンコーダデコーダアーキテクチャに基づいている。静止ノイズや非定常ノイズを含む様々な背景ノイズを除去することができる。
論文参考訳（メタデータ） (2020-06-23T09:19:13Z)
End-to-End Automatic Speech Recognition Integrated With CTC-Based Voice Activity Detection [48.80449801938696]
本稿では,音声活動検出機能とエンドツーエンドの自動音声認識を統合する。我々は,コネクショニストの時間的分類(CTC)と,同期/アテンションの拡張に焦点を当てた。簡単なしきい値を用いた音声区間検出のためのキューとしてラベルを用いる。
論文参考訳（メタデータ） (2020-02-03T03:36:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。