BriefGPT - AI 论文速递
·
MaskSR：面向全频段语音恢复的 Masked Language Model
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了MaskSR，一种能够恢复全频44.1 kHz语音的掩码语言模型。通过联合考虑噪声、混响、剪切和低带宽，MaskSR使用预训练的神经编解码器提取离散声学令牌，并通过高效的迭代采样重建目标语音令牌。实验证明，MaskSR在全频语音恢复任务和子任务上取得了竞争力的结果。
🎯
关键要点
- MaskSR是一种掩码语言模型，旨在恢复全频44.1 kHz的语音。
- 该模型联合考虑噪声、混响、剪切和低带宽等因素。
- MaskSR利用预训练的神经编解码器提取离散声学令牌。
- 在训练过程中，MaskSR优化以预测从高品质目标语音中随机屏蔽的令牌。
- 推断过程中，MaskSR通过高效的迭代采样重建目标语音令牌。
- 实验证明，MaskSR在全频语音恢复任务和子任务上取得了竞争力的结果。
➡️
