論文の概要: Improving multichannel speech enhancement through accurate room-acoustic simulations

• arxiv url: http://arxiv.org/abs/2606.31552v1
• Date: Tue, 30 Jun 2026 12:10:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.206448
• Title: Improving multichannel speech enhancement through accurate room-acoustic simulations
• Title（参考訳）: 室内音響シミュレーションによるマルチチャンネル音声強調
• Abstract要約: 高忠実度データセットのトレーニングは、低忠実度データセットと比較して、中央値の単語誤り率を最大38%削減する。 これらの結果から,高忠実度室内音響シミュレーションによる拡張は,直接的に多チャンネル音声強調性能を向上させることが示唆された。
• 参考スコア（独自算出の注目度）: 0.9617245548268437
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Room-acoustic simulations are widely used to augment training data for deep-learning-based speech enhancement. While most pipelines rely on simplified geometrical acoustics, wave-based approaches offer greater physical accuracy. In this work, we examine how simulation fidelity affects multichannel speech enhancement performance. To this end, we train SpatialNet on datasets augmented with different room-acoustic simulation methods and evaluate the resulting models on measured data. We compare lower-fidelity datasets based on geometrical acoustics with a high-fidelity dataset using advanced acoustic modelling and a hybrid combination of wave-based and geometrical acoustics simulations. Training on the high-fidelity dataset results in an up to 38 % relative reduction in median word error rate compared to the lower-fidelity alternatives. These results show that augmentation with high-fidelity room-acoustic simulations directly translates into improved multichannel speech enhancement performance.
• Abstract（参考訳）: 室内音響シミュレーションは、深層学習に基づく音声強調のためのトレーニングデータ強化に広く用いられている。 ほとんどのパイプラインは単純な幾何学的音響に依存しているが、波動に基づくアプローチはより正確な物理精度を提供する。 本研究では,シミュレーションの忠実度がマルチチャネル音声強調性能に与える影響について検討する。 この目的のために、異なる室内音響シミュレーション手法で強化されたデータセット上でSpatialNetを訓練し、測定データ上で得られたモデルを評価する。 我々は, 幾何音響に基づく低忠実度データセットと高度音響モデルを用いた高忠実度データセットと, 波動モデルと幾何音響シミュレーションのハイブリッド組み合わせを比較した。 高忠実度データセットのトレーニングは、低忠実度データセットと比較して、中央値の単語誤り率を最大38%削減する。 これらの結果から,高忠実度室内音響シミュレーションによる拡張は,直接的に多チャンネル音声強調性能を向上させることが示唆された。

関連論文リスト

• Training DeepFilterNet with Accurate Room Acoustic Simulations Improves Single-Channel Speech Enhancement [0.9617245548268437]
  本稿では,合成室インパルス応答(RIR)データセットのリアリズムが,単一チャネル音声強調のためのDeepFilterNet3のトレーニングに与える影響について検討する。 我々は、DNS4画像ソース・メソッド(ISM)RIRデータセットと、ハイブリッドウェーブベースおよび幾何学的音響シミュレーションを用いて生成された高音響忠実度データセットを比較した。 高忠実度データセットによるトレーニングは、客観的な指標の質素な改善と、ASRワードエラー率の大幅な低下をもたらす。
  論文  参考訳（メタデータ） (2026-08-21T10:50:00Z)
• Treble10: A high-quality dataset for far-field speech recognition, dereverberation, and enhancement [2.6008293644386904]
  本稿では,大規模で物理的に正確な室内音響データセットであるTreble10を紹介する。 Treble10には、3000以上のブロードバンドルームインパルス応答(RIR)が含まれており、フル装備の現実世界の10室でシミュレートされている。 全ての信号は32kHzでシミュレートされ、低周波効果と高周波反射を正確にモデル化する。
  論文  参考訳（メタデータ） (2025-10-27T09:17:44Z)
• Learning Robust Spatial Representations from Binaural Audio through Feature Distillation [64.36563387033921]
  データラベルを必要とせずに音声の頑健な空間表現を学習するために,特徴蒸留に基づく事前学習ステージの利用について検討する。 実験により, 事前学習したモデルでは, 騒音および残響環境における性能が向上していることが示された。
  論文  参考訳（メタデータ） (2025-08-28T15:43:15Z)
• Developing an Effective Training Dataset to Enhance the Performance of AI-based Speaker Separation Systems [0.3277163122167434]
  本稿では,各話者に対して,混合信号と対応する接地真実を含む現実的な学習セットを構築するための新しい手法を提案する。 実感混合における話者分離精度向上のためのSI-SDR(Scale Invariant Signal to Distortion Ratio)を1.65dB改善した。
  論文  参考訳（メタデータ） (2024-11-13T06:55:18Z)
• Real Acoustic Fields: An Audio-Visual Room Acoustics Dataset and Benchmark [65.79402756995084]
  Real Acoustic Fields (RAF)は、複数のモードから実際の音響室データをキャプチャする新しいデータセットである。 RAFは密集した室内音響データを提供する最初のデータセットである。
  論文  参考訳（メタデータ） (2024-03-27T17:59:56Z)
• DASA: Difficulty-Aware Semantic Augmentation for Speaker Verification [55.306583814017046]
  本稿では,話者認証のための難易度認識型セマンティック拡張(DASA)手法を提案する。 DASAは、話者埋め込み空間における多様なトレーニングサンプルを、無視できる余分な計算コストで生成する。 最も良い結果は、CN-Celeb評価セット上でのEER測定値の14.6%の相対的な減少を達成する。
  論文  参考訳（メタデータ） (2023-10-18T17:07:05Z)
• Boosting Fast and High-Quality Speech Synthesis with Linear Diffusion [85.54515118077825]
  本稿では, 常微分方程式に基づく線形拡散モデル(LinDiff)を提案する。 計算複雑性を低減するため、LinDiffでは、入力信号を小さなパッチに分割するパッチベースの処理アプローチを採用している。 我々のモデルは、より高速な合成速度で自己回帰モデルに匹敵する品質の音声を合成することができる。
  論文  参考訳（メタデータ） (2023-06-09T07:02:43Z)
• Realistic Noise Synthesis with Diffusion Models [44.404059914652194]
  ディープラーニングモデルには、大規模な実世界のトレーニングデータが必要です。 本稿では,これらの課題に対処するために拡散モデルを用いた新しい実音合成拡散器(RNSD)法を提案する。
  論文  参考訳（メタデータ） (2023-05-23T12:56:01Z)
• Synthetic Wave-Geometric Impulse Responses for Improved Speech Dereverberation [69.1351513309953]
  室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。 本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
  論文  参考訳（メタデータ） (2022-12-10T20:15:23Z)
• Spatial mixup: Directional loudness modification as data augmentation for sound event localization and detection [9.0259157539478]
  データ拡張のためのパラメトリック空間音響効果の応用として空間混合を提案する。 修正は特定の方向から到着するシグナルを増強または抑制するが、効果は顕著ではない。 この手法はDCASE 2021 Task 3のデータセットを用いて評価され、空間混合により非拡張ベースライン上での性能が向上する。
  論文  参考訳（メタデータ） (2021-10-12T16:16:58Z)
• Blind Room Parameter Estimation Using Multiple-Multichannel Speech Recordings [37.145413836886455]
  部屋の幾何学的パラメータや音響的パラメータを知ることは、オーディオ拡張現実、音声のデバーベレーション、音声法医学などの応用に有用である。 室内の総表面積,体積,および周波数依存残響時間と平均表面吸収を共同で推定する問題について検討した。 単一チャネルとチャネル間キューの両方を活用する新しい畳み込みニューラルネットワークアーキテクチャを提案し、大規模で現実的なシミュレーションデータセットでトレーニングする。
  論文  参考訳（メタデータ） (2021-07-29T08:51:49Z)
• A Study on Speech Enhancement Based on Diffusion Probabilistic Model [63.38586161802788]
  雑音信号からクリーンな音声信号を復元することを目的とした拡散確率モデルに基づく音声強調モデル(DiffuSE)を提案する。 実験結果から、DiffuSEは、標準化されたVoice Bankコーパスタスクにおいて、関連する音声生成モデルに匹敵する性能が得られることがわかった。
  論文  参考訳（メタデータ） (2021-07-25T19:23:18Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。