使用FASST語音分離

Question

我想在汽車環境中通過語音分離提高語音識別的準確性。要處理的聲音是一個挑戰，因爲噪音，無線電音樂和其他演講者的聲音可能總是混在一起。

所以我想把聲音分成兩個部分，一個是我的聲音，另一個是定義的一般噪音。爲此，我通過HTK訓練一個與揚聲器相關的GMM模塊（只是我的聲音），然後使用FASST分離這些聲音。你認爲這會起作用嗎？

Answer 1

對於NMF，我會改用openblissart。另一個好主意是如果你還沒有這樣做，立體聲錄音。

您可以從切換到DNN模型而非HMM和Kaldi獲得最大的改善，遠遠超過您從任何源分離中獲得的。藉助DNN，您還可以進行多層次訓練，它的表現甚至會比噪音分離更好。您可以檢查Kaldi源中的CHIME實驗設置，以瞭解如何訓練噪聲魯棒識別器。