On the Use of Audio Fingerprinting Features for Speech Enhancement with Generative Adversarial Network
Notice bibliographique
Résumé
Récemment, avec l'avènement de méthodes basées sur l'apprentissage dans l'amélioration de la parole, le besoin de de caractéristiques d'apprentissage robustes et fiables qui peuvent représenter de manière compacte les signaux vocaux tout en préservant leurs informations vitales a été ravivé. Les caractéristiques du domaine temps-fréquence, telles que la transformée de Fourier à court terme (STFT) et les coefficients cepstraux Mel-Frequency (MFCC), sont préférées dans de nombreuses approches. Ils représentent le signal vocal dans un format plus compact et contiennent à la fois des informations temporelles et fréquentielles. Par rapport à STFT, les MFCC nécessitent moins de mémoire et réduisent considérablement le temps d'apprentissage et la complexité en supprimant les redondances dans les données d'entrée.Les MFCC, qui font partie de la famille de caractéristiques de type Audio FingerPrinting (AFP), offrent une représentation compacte, mais ils ignorent la dynamique et la distribution de l'énergie dans chaque sous-bande à l'échelle mel.Dans cette thèse, un système d'amélioration de la parole à la pointe de la technologie basé sur le Generative Adversarial Network (GAN) est mis en œuvre et testé avec une nouvelle combinaison de deux types de caractéristiques AFP, soit les MFCC et les centroides normalisés de sous-bandes spectrales (NSSC). Les NSSC capturent les emplacements des formants de parole et complémentent ainsi MFCC d'une manière cruciale. Dans des expériences avec divers locuteurs et types de bruit, l'amélioration de la parole basée sur GAN avec la combinaison de caractéristiques AFP proposée atteint les meilleures performances en termes de mesures objectives, à savoir PESQ, STOI et SDR, tout en réduisant la complexité de la mise en œuvre, les besoins en mémoire et le temps d'apprentissage
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».