本研究提出了CleanMel，一个用于去噪和去混响的单通道梅尔谱网络，旨在提升语音质量和自动语音识别（ASR）性能。实验结果表明，该网络在处理噪声和混响录音时显著改善了语音质量和ASR效果。

本研究提出了一种结合双向门控递归单元（BGRU）与Transformer模型的新方法，以改善嘈杂环境中的语音增强效果。实验结果表明，该方法在降噪和语音质量提升方面显著优于传统技术。

本研究提出Kolmogorov-Arnold网络（KAN）用于高保真语音增强，实验结果表明其在提升语音质量方面表现优异，且对模型规模和运算量影响较小，显示出KAN的潜力。

本研究探讨了CEEMDAN算法在音频源分离中的有效性，指出其在分离混合信号方面存在局限性。尽管CEEMDAN能改善语音质量，但对不同语音信号的分离效果仍不理想。

本研究通过微调听觉大型语言模型，解决了传统语音质量评估需多方面评分的问题。模型可预测平均意见分数、说话者相似度，并进行A/B测试和生成自然语言描述。实验显示，该模型在语音质量预测上与先进小型模型相当，且在A/B测试和自然语言描述中表现良好。

该研究提出了一种使用Cycle-GAN和自编码器的声音转换和身份识别方法，可实现多种说话者的声音转换和说话人特征与语言内容的分离。初步实验结果显示，在无平行数据的情况下，语音质量非常好。

该研究提出了一种改善语音质量和ASR性能的语音去混响方法，通过自回归模型分离语音信号的包络和载波部分，并使用基于DPLSTM模型的神经网络结构进行优化。实验结果显示，该方法在数据集上相较基线系统和其他方法有显著的性能改善。

AdaSpeech 4是一个高质量的语音合成系统，通过建模说话者特征提高对新说话者的泛化能力，并通过三个步骤改善建模。AdaSpeech 4在多个数据集中实现了比基线更好的语音质量和相似性，无需微调。

本文介绍了一种音频视觉语音增强系统，利用基于分数的生成模型和视觉信息。实验评估表明该系统在语音质量和减少生成物品方面有改进效果，并降低了发音困惑。

本文介绍了一种音频视觉语音增强系统，利用基于分数的生成模型和视觉信息。实验评估表明该系统在语音质量和减少生成物品方面有改进效果，并减少了发音困惑。

本研究提出了一种基于语音质量不同维度的评分标准，并通过实验评估音素和流利度。研究发现复杂性与不流畅性类型相关，但存在积极趋势。

该文章介绍了一种基于生成对抗网络（GAN）的声码器，用于语音合成。作者提出了一种基于增强条件鉴别器（AugCondD）的方法，能够在有限数据条件下提高语音质量。实验结果表明，该方法在充足数据条件下能够达到可比较的语音质量。

该文介绍了一种基于神经传导器的 TTS 框架，使用离散语义标记实现单调对齐约束，提高了语音质量和说话人相似度。同时，该模型展示了神经传导器在 TTS 中的潜力。

该文介绍了一个改进的训练框架，用于训练单声道神经增强模型，以提高鲁棒语音识别的性能。该框架利用混合不变训练准则，扩展了未配对的干净语音和真实嘈杂数据，提高了从真实嘈杂语音中分离出来的语音质量，并通过处理和未处理信号的混合来缓解处理伪影。实验证明，相对 WER 减少了 16% 到 39%。