采用上下文相关的注意力机制及循环神经网络的语音增强方法

• 作者: 蓝天 惠国强 李萌 吕忆蓝 刘峤
• 来源期刊: 声学学报
• 年，卷（期）: 2020,（6）
• 页码范围: 897-905
• 页数: 9页
• 语种: 中文

摘要

提出了采用上下文相关的注意力机制及循环神经网络的语音增强方法.该方法在训练阶段联合训练计算注意力评分的多层感知机和增强语音的深度循环网络,在测试阶段计算每一帧语音的注意力向量并与该帧语音拼接输入深度循环网络增强.在不同信噪比的实验中,该方法相比基线模型能更好地提高语音质量和可懂度,-6 dB下相对带噪语音短时客观可懂度(STOI)和语音质量感知评估(PESQ)可分别提高0.16和0.77,同时在未知噪声条件下该方法性能仍最优或接近最优.因此注意力机制可以有效强化模型对上下文信息的利用能力,从而提高模型增强性能.