本研究提出了通用降噪框架D4AM，通过调整语音增强模型和辅助损失，改善未知声学模型性能。实验结果显示，相对于嘈杂输入，该框架在Google ASR API上降低了24.65%的相对WER。

本研究提出了通用降噪框架D4AM，用于改善嘈杂环境下声学模型性能。该框架通过反向梯度调整语音增强模型，考虑回归目标作为辅助损失，直接估计权重系数，避免额外训练成本。实验结果显示，相对于嘈杂输入，该框架在Google ASR API上相对WER降低24.65%，是首个实现回归和分类目标有效组合的通用预处理器。