在优化过程中,我们提出了两个创新点:一是考虑到D-TDNN和声源分离模型Conv-TasNet之间的相似性,直接合并这两个模型并共享参数;二是鉴于我们不需要还原干净音频,将频谱图掩码替换成特征图掩码,以减少计算开销同时提升识别性能。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。