مقاله در مورد گفتار قبل از تأکید به عنوان یک روش ساده و ارزان برای تقویت تقویت گفتار

چکیده

Pre-emphasis filtering, compensating for the natural energy decay of speech at higher frequencies, has been considered as a common pre-processing step in a number of speech processing tasks over the years. In this work, we demonstrate, for the first time, that pre-emphasis filtering may also be used as a simple and computationally-inexpensive way to leverage deep neural network-based speech enhancement performance. Particularly, we look into pre-emphasizing the estimated and actual clean speech prior to loss calculation so that different speech frequency components better mirror their perceptual importance during the training phase. Experimental results on a noisy version of the TIMIT dataset show that integrating the pre-emphasis-based methodology at hand yields relative estimated speech quality improvements of up to 4.6% and 3.4% for noise types seen and unseen, respectively, during the training phase. Similar to the case of pre-emphasis being considered as a default pre-processing step in classical automatic speech recognition and speech coding systems, the pre-emphasis-based methodology analyzed in this article may potentially become a default add-on for modern speech enhancement.

چکیده به فارسی (ترجمه ماشینی)

فیلتر قبل از تأکید ، جبران پوسیدگی انرژی طبیعی گفتار در فرکانس های بالاتر ، به عنوان یک مرحله پیش پردازش مشترک در تعدادی از کارهای پردازش گفتار در طی سال ها در نظر گرفته شده است.در این کار ، ما برای اولین بار نشان می دهیم که فیلتر قبل از تأکید نیز ممکن است به عنوان یک روش ساده و محاسباتی از نظر محاسباتی برای استفاده از عملکرد تقویت گفتار مبتنی بر شبکه عصبی عمیق استفاده شود.به ویژه ، ما قبل از محاسبه از دست دادن ، پیش از تأکید بر گفتار تمیز تخمین زده شده و واقعی بررسی می کنیم تا اجزای مختلف فرکانس گفتار اهمیت ادراکی خود را در مرحله آموزش بهتر نشان دهند.نتایج تجربی در یک نسخه پر سر و صدا از مجموعه داده های Timit نشان می دهد که ادغام روش مبتنی بر قبل از تأکید در دست ، بهبود کیفیت گفتار را نسبت به 4.6 ٪ و 3.4 ٪ برای انواع نویز دیده شده و به ترتیب در مرحله آموزش به دست می آورد.مشابه مورد تأکید قبل از تأکید به عنوان یک مرحله پیش فرض پیش فرض در سیستم های تشخیص گفتار خودکار و گفتار کلاسیک ، روش شناسی مبتنی بر تأکید در این مقاله به طور بالقوه ممکن است به یک افزودنی پیش فرض برای تقویت گفتار مدرن تبدیل شودبشر