Facebook最新麦克风声音分离可带来更优AR/VR语音交互创新

查看引用/信息源请点击：映维网

AR/VR语音交互创新

（映维网 2020年07月20日）Facebook人工智能团队日前介绍了一种由单个麦克风同时分离多达五种声音的方法。所述方法在多个语音源分离基准（包括具有挑战性的噪声和混响的基准测试）测试中优于以往的方法。利用WSJ0-2mix和WSJ0-3mix数据集，以及通过四个和五个共时扬声器的变体，模型在尺度不变信噪比（分离质量的常用度量）方面比当前最先进的模型提高了1.5 dB（分贝）以上。

相关论文：Voice separation with an unknown number of multiple speakers

为了建立所述的模型，团队使用了一种直接作用于原始音频波形的全新递归神经网络结构。以前最好的模型主要是利用遮罩和解码器来对每个说话人的声音进行分类。当扬声器数目较多或未知时，这类模型的性能会迅速下降。

与标准语音分离系统一样，Facebook人工智能团队的模型要求事先知道说话人的总数。但为了应对未知说话人数量所带来的挑战，研究人员构建了一个新的系统来自动检测说话人数量，并选择最相关的模型。

1. 工作原理

......（全文 1048 字，剩余 691 字）

请微信扫码通过小程序阅读完整文章
或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限