这个带噪音频到底是纯净语音+噪声，还是纯净语音+干扰声源啊？文章中说的是干扰声源，但是LSTM怎么可以求到纯净声源的掩模呢，我记得LSTM一般都是只能区分语音和噪声的吧，想区分目标语音和干扰语音需要FSMN或者TDNN网络吧？
基于声纹识别的语音分离 VOICE FILTER: TARGETED VOICE SEPARATION （BY SPEAKER-CONDITIONED SPECTROGRAM MASKING）原文连接:https://arxiv.org/pdf/1810.04826.pdf 结果连接: https://google.github.io/speaker-id/pub...
我的邮箱是2194297464@qq.com
基于声纹识别的语音分离 VOICE FILTER: TARGETED VOICE SEPARATION （BY SPEAKER-CONDITIONED SPECTROGRAM MASKING）原文连接:https://arxiv.org/pdf/1810.04826.pdf 结果连接: https://google.github.io/speaker-id/pub...
我是研一的一名学生，从事盲源分离，目标源提取，语音增强等方面的研究，最近在学习结合x-vector的语音分离，看到了你讲解的这篇辅助掩模估计的文章，感觉很有借鉴意义，请问一下有这篇文章配套的代码和数据集吗？十分感谢！
基于声纹识别的语音分离 VOICE FILTER: TARGETED VOICE SEPARATION （BY SPEAKER-CONDITIONED SPECTROGRAM MASKING）原文连接:https://arxiv.org/pdf/1810.04826.pdf 结果连接: https://google.github.io/speaker-id/pub...
