Resumen

El mapeo y el enmascaramiento son dos métodos importantes de mejora del habla basados en aprendizaje profundo que tienen como objetivo recuperar la voz limpia original a partir de la voz corrupta. En la práctica, los errores de recuperación demasiado grandes restringen severamente la mejora en la calidad del habla. En nuestro experimento preliminar, demostramos que los métodos de mapeo y enmascaramiento tenían diferentes mecanismos de conversión y asumimos que sus errores de recuperación son altamente complementarios. Además, la complementariedad fue validada en consecuencia. Basándonos en el principio de minimización del error, proponemos la fusión entre el mapeo y el enmascaramiento para la des-reverberación del habla. Específicamente, tomamos la media ponderada de las amplitudes recuperadas por los dos métodos como la amplitud estimada del método de fusión. Los experimentos verifican que el error de recuperación del método de fusión está controlado aún más. En comparación con el método de media geométrica existente,

• Materias:Virus informático Entropía del gráfico Modelo epidémico Modelo de optimización Modelos conceptuales
• Subjects:Computer virus Entropy of the graph Epidemic model Optimization model Conceptual models
• Palabras claves:Mejora del habla; Aprendizaje profundo; Mapeo; Enmascaramiento; Errores de recuperación; Método de fusión
• Keywords:Speech enhancement; Deep learning; Mapping; Masking; Recovery errors; Fusion method