论文地址：https: arxiv. yu.com abs . 基于 F T LSTM 复杂网络的联合声学回声消除和语音增强 摘要 随着对音频通信和在线会议的需求日益增加，在包括噪声 混响和非线性失真在内的复杂声学场景下，确保声学回声消除 AEC 的鲁棒性已成为首要问题。尽管已经有一些传统的方法考虑了非线性失真，但它们对于回声抑制仍然效率低下，并且在存在噪声时性能会有所衰减。在本文中，我们提出了一 ...
2022-03-24 17:01 0 891 推荐指数：
论文地址：声学回声消除与双信号变换LSTM网络 预训练模型：https://github.com/breizhn/DTLN-aec 论文代码：https://github.com/breizhn/DTLN 博客作者： 摘要 本文将双信号变换LSTM网络(dual-signal ...
论文地址：https://ieeexplore.ieee.org/abstract/document/9357975/ 基于半盲源分离的非线性回声消除 摘要: 当使用非线性自适应滤波器时，数值模型与实际非线性模型之间的不匹配是非线性声回声消除(NAEC)的一个挑战。为了解决这一 ...
论文地址：DCCRN：用于相位感知语音增强的深度复杂卷积循环网络 论文代码：https://paperswithcode.com/paper/dccrn-deep-complex-convolution-recurrent-1 引用：Hu Y，Liu Y，Lv S，et al. ...
论文地址：ICASSP 2021声学回声消除挑战:数据集和测试框架 回声消除挑战赛数据集地址：https://github.com/microsoft/AEC-Challenge 噪声抑制挑战赛数据集地址：https://github.com/microsoft/DNS-Challenge ...
论文地址：基于高效多任务卷积神经网络的残余声回波抑制 摘要 回声会降低语音通信系统的用户体验，因此需要完全抑制。提出了一种利用卷积神经网络实现实时残余声回波抑制的方法。在多任务学习的背景下，采用双语音检测器作为辅助任务来提高RAES的性能。该训练准则基于一种新的损失函数，我们称之为抑制 ...
for neural-network-based real-time speech enhancem ...
论文地址：面向基于深度学习的语音增强模型压缩 论文代码：没开源，鼓励大家去向作者要呀，作者是中国人，在语音增强领域 深耕多年 引用格式：Tan K, Wang D L. Towards model compression for deep learning based speech ...
博客作者：凌逆战 论文地址：DeepFilterNet：基于深度滤波器的全频带音频低复杂度语音增强框架 论文代码：https://github.com/Rikorose/DeepFilterNet 引用：Schröter H, Rosenkranz T, Maier A. ...
