CAT-DUnet去混响模型

感知对齐更优

通过特征融合与结构相似性损失，提升语音去混响的感知质量。

Bajian, Xiang · 毛文宇 · Tan, Kaijun · 鲁华祥

IEEE Signal Processing Letters 2024

参数信息

超过现有最优的指标数

6

技术优势

感知上更真实

训练目标从传统误差指标换成结构相似性，直接对齐语音的感知质量，而非仅仅降低数值误差。

高分新基准

在7项常用指标中，模型在6项上超过现有最强模型，可作为语音去混响的新参照。

特征融合更充分

通道注意力、时频注意力与空洞卷积块的组合，使低层细节与高层语义得到有效整合。

应用场景

• 语音增强：在保留语音清晰度的同时去除混响，使远场录音更干净。
• 自动语音识别：提升含混响语音的识别率，减少前端处理的性能损耗。
• 听觉脑机接口：提供更自然的听觉反馈，可能改善脑机接口中的语音刺激质量。