实体
Wham!
Wham!
PulseAugur coverage of Wham! — every cluster mentioning Wham! across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的SNOAR框架增强了无监督语音去噪
研究人员推出了一种新颖的自我训练框架SNOAR，旨在改进无监督语音去噪。该方法通过引入差分噪声过滤（DNF）并添加部分噪声观测来恢复被抑制的语音并减少伪影，从而解决了MixIT和RemixIT等现有技术的局限性。SNOAR在各种指标上表现出更高的稳定性和优于RemixIT的性能，在基准数据集上达到了接近完全监督方法的性能，并提高了真实世界录音的感知质量。
-
语音分离研究揭示SI-SDR在带噪声参考信号下的局限性
研究人员调查了在训练数据包含带噪声参考信号时，尺度不变信噪比失真比（SI-SDR）在语音分离中的有效性。他们的分析显示，参考信号中的噪声会限制可实现的SI-SDR，并将不必要的噪声引入分离后的输出。为缓解此问题，他们提出了一种增强参考信号和扩充训练数据的方法，该方法显示出噪声减少，但也可能产生处理伪影。