基于深度学习的目标说话人语音提取

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：人类能够在多人交谈的复杂环境中专注并识别目标说话人的语音，而现有机器技术尚未完全达到这一水平。针对这一实际应用场景，本文提出了一种时域目标说话人语音提取网络架构，该架构无需将混合语音分解为幅度谱和相位谱，而是直接将其转换为嵌入系数，从而规避了复杂的相位估计。该网络由四个关键部分构成，即说话人辅助网络、语音编码器、目标说话人语音提取器以及语音解码器。（剩余404字）

试读结束

目录
monitor