声明:本专栏文章为深蓝学院《语音算法:前沿与应用》课程个人学习笔记,更多学习资源请咨询深蓝学院相关课程。
远场语音识别
siri(2011):近场语音识别
echo(亚马逊,2014):远场语音识别
当说话人和麦克风相离3-5米时,可以认为是远场语音识别。
困难:1.背景噪声 2.扬声器音乐干扰 3.麦克风灵敏度 4.墙面折射声波 5.声波漫射
解决方法:
1.数据增强——加混响(卷积)、加噪声(时域叠加,调节噪声能量,控制信噪比)、音量扰动(训练数据音量随机放大或缩小)、速度扰动(改变速度tempo参数、音调speed参数)、时域mask、频域mask,可参考ASplRE竞赛
2.做信号处理,提高输入音频的质量——AEC(设备知道播放的是什么音乐,可以把音乐减掉)、AGC(测试数据的音量归一化)、BF(多路麦克风的情况)、NS(提高信噪比方式)
AEC:
AEC技术问题:时间延迟估计(声源和扬声器位置不同)、双讲模块、回声残留, etc
AGC: