Python社区  »  机器学习算法

深度学习语音分离|抽取必读论文、数据集、代码工具整理分享

深度学习与NLP • 5 天前 • 8 次点击  

    语音分离(Speech Separation)这个问题来自于“鸡尾酒会问题”,采集的音频信号中除了主说话人之外,还有其他人说话声的干扰和噪音干扰。语音分离的目标就是从这些干扰中分离出主说话人的语音。

    根据干扰的不同,语音分离任务可以分为三类:

    1、当干扰为噪声信号时,可以称为“语音增强”(Speech Enhancement)
2、当干扰为其他说话人时,可以称为“多说话人分离”(Speaker Separation)
3、当干扰为目标说话人自己声音的反射波时,可以称为“解混响”(De-reverberation)

    由于麦克风采集到的声音中可能包括噪声、其他人说话的声音、混响等干扰,不做语音分离、直接进行识别的话,会影响到识别的准确率。因此在语音识别的前端加上语音分离技术,把目标说话人的声音和其它干扰分开就可以提高语音识别系统的鲁棒性,这从而也成为现代语音识别系统中不可或缺的一环。


    基于深度学习的语音分离,主要是用基于深度学习的方法,从训练数据中学习语音、说话人和噪音的特征,从而实现语音分离的目标。本资源整理了基于深度学习语音分离和抽取(Speech Separation and Extraction)相关的tutorials、算法及最新的研究论文,公开数据集,代码和工具,需要的朋友自取。

    资源整理自网络,源地址:

    https://github.com/gemengtju/Tutorial_Separation


    文中论文等资源下载链接,见源地址。


目录


资源列表

往期精品内容推荐

智能文本处理利器文心(ERNIE),助您高效定制NLP模型!

英文学术会议参会必读-《青年学者会议和演讲英语指南》免费pdf分享

纯干货-17 分布式深度学习原理、算法详细介绍

推荐系统就业实战-电商推荐系统特训实战课程推荐

深度强化学习圣经-《Reinforcement Learning-第二版》

AI必读10本经典-NLP圣经《自然语言处理综述》斯坦福大学Daniel Jurafsky 最新版分享

-2020年NLP所有领域最新、经典、顶会、必读论文整理分享

新书-《Bandit问题-基础、算法、理论、应用》分享

2020年新课-《TensorFlow 2.0初学者入门》视频分享

扫描下方二维码可以订阅哦!

DeepLearning_NLP

深度学习与NLP

       商务合作请联系微信号:lqfarmerlq

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/125918
 
8 次点击  
分享到微博