无需配对数据，仅用混响语音就能训练出更稳定的语音去混响模型。
Déréverbération non-supervisée de la parole par modèle hybride
- 利用混响时间等有限声学信息，实现无监督语音去混响
- 在多个客观指标上表现优于当前最优方法
- 适合缺乏干混对照数据的现实场景应用
本文提出一种新训练策略，仅使用混响语音即可实现无监督语音去混响，避免了传统方法依赖干/混响配对数据的难题。该方法引入有限的声学信息（如混响时间，RT60）作为辅助指导，训练去混响系统。实验结果表明，该方法在多种客观评价指标上均表现出更一致的性能，优于当前最优技术。
原文摘要 · Abstract (English)
This paper introduces a new training strategy to improve speech dereverberation systems in an unsupervised manner using only reverberant speech. Most existing algorithms rely on paired dry/reverberant data, which is difficult to obtain. Our approach uses limited acoustic information, like the reverberation time (RT60), to train a dereverberation system. Experimental results demonstrate that our method achieves more consistent performance across various objective metrics than the state-of-the-art.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。