摘要

我们提出了一种新的音频处理技术，利用深度卷积神经网络提升语音或音乐等信号的采样率。该模型在低质量与高质量音频样本对上进行训练；在测试阶段，它通过一种类似于图像超分辨率的插值过程，预测低分辨率信号中缺失的样本。该方法简单高效，无需依赖专门的音频处理技术。在我们的实验中，该方法在2倍、4倍和6倍的上采样比率下，均优于现有的基准方法，在标准语音和音乐基准测试中表现更优。该技术在电话通信、音频压缩以及文本转语音生成等领域具有实际应用价值，充分展示了前馈式卷积架构在音频生成任务中的有效性。