Joshua Kulasingham

NeuroCodec 利用脑电图信号进行高级说话人提取

研究人员开发了 NeuroCodec，这是一种利用脑电图 (EEG) 信号指导过程的新型高保真目标说话人提取生成模型。与以往关注时频掩蔽的方法不同，NeuroCodec 在神经音频编解码器的潜在空间中运行，对空间脑电图依赖性进行建模并融合跨模态表示。该模型采用了多阶段训练课程，并在公共数据集上展示了卓越的性能，在听力实验中实现了比现有基线高得多的感知准确度。