Interspeech 2023 | 火山引擎流媒体音频技术之语音增强和AI音频编码
原文中文，约8800字，阅读约需21分钟。发表于：。背景介绍为了应对处理各类复杂音视频通信场景，如多设备、多人、多噪音场景，流媒体通信技术渐渐成为人们生活中不可或缺的技术。为达到更好的主观体验，使用户听得清、听得真，流媒体音频技术方案融合了传统机器学习和基于AI的语音增强方案，利用深度神经网络技术方案，在语音降噪、回声消除、干扰人声消除和音频编解码等方向，为实时通信中的音频质量保驾护航。作为语音信号处理研究领域的旗舰国际会议，Interspeech...
Interspeech 2023收录了火山引擎流媒体音频团队的4篇研究论文，涵盖了语音增强、基于AI编解码、回声消除和无监督自适应语音增强等领域。他们在无监督自适应语音增强方面获得了CHiME挑战赛冠军。此外，他们还提出了轻量级语音谐波增强方法、端到端神经网络音频编码器、回声消除方法和无监督域自适应语音增强系统。
