摘要

我们介绍了一种名为aTENNuate的简单深度状态空间自动编码器，该编码器配置为以端到端的方式高效进行在线原始语音增强。网络的主要性能评估集中在原始语音去噪上，同时还在超分辨率和解量化等任务上进行了额外评估。我们在VoiceBank + DEMAND和Microsoft DNS1合成测试集上对aTENNuate进行了基准测试。结果表明，该网络在PESQ分数、参数数量、MACs（乘积累加运算）和延迟方面均优于以往的实时去噪模型。即使作为原始波形处理模型，aTENNate也能保持对干净信号的高度保真度，并且几乎不会产生可听的伪影。此外，当输入的噪声信号被压缩至4000Hz和4位时，该模型仍然表现出色，这表明其在低资源环境下的通用语音增强能力。您可以通过pip install attenuate来尝试使用该模型。