請用此 Handle URI 來引用此文件:
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/96570| 標題: | 基於 Mamba 之語音增強模型 Speech Enhancement Based on the Mamba Architecture |
| 作者: | 趙容 Rong Chao |
| 指導教授: | 鄭文皇 Wen-Huang Cheng |
| 共同指導教授: | 曹昱 Yu Tsao |
| 關鍵字: | 一致性損失,Mamba,語音增強,選擇性狀態空間模型, consistency loss,Mamba,speech enhancement,selective state-space model, |
| 出版年 : | 2024 |
| 學位: | 碩士 |
| 摘要: | 本研究探討了 Mamba 的應用,並應用於語音增強(Speech Enhancement)任務中。Mamba 是一種可擴展的狀態空間模型(SSM),無需使用注意力(Attention)機制的架構。我們將 Mamba 整合到多種基於迴歸(regression)的 SE 模型中(稱為 SEMamba),並在多種配置下進行測試,包括基礎、進階、前因性(causal)和非前因性(non-causal)模型。此外,我們評估了基於訊號層次距離的損失函數以及以評量為導向的方法。實驗結果顯示,在 VoiceBank-DEMAND 數據集上,進階非前因性 SEMamba 配置達到了 3.55 的 PESQ 分數,表現具競爭力。不僅如此,若 SEMamba 與感知對比拉伸(PCS)技術結合,能突破現有的 PESQ 最佳紀錄,達到 3.69 分。值得注意的是,進階非前因性 SEMamba 模型與同類 Transformer 基礎的 SE 方法相比,浮點運算量(FLOPs)減少了約 12%。最後,SEMamba 在作為自動語音識別(ASR)的預處理步驟時也表現出色,結果與近期的頂尖 SE 方法相當。 This study explores the application of Mamba, a scalable state-space model (SSM) that operates without attention mechanisms, for the task of speech enhancement (SE). Specifically, we integrate Mamba into various regression-based SE models (referred to as SEMamba) across multiple configurations, including basic, advanced, causal, and non-causal. Additionally, both signal-level distance-based loss functions and metric-oriented approaches are evaluated. Experimental results demonstrate that SEMamba achieves a competitive PESQ score of 3.55 on the VoiceBank-DEMAND dataset in the advanced, non-causal setup. Moreover, combining SEMamba with Perceptual Contrast Stretching (PCS) establishes a new peak PESQ score of 3.69, setting a state-of-the-art benchmark. Notably, the advanced non-causal SEMamba models show a reduction in FLOPs by approximately 12% compared to equivalent Transformer-based SE methods. Lastly, SEMamba also proves effective as a pre-processing step for automatic speech recognition (ASR), yielding results that rival recent SE approaches. |
| URI: | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/96570 |
| DOI: | 10.6342/NTU202500114 |
| 全文授權: | 同意授權(限校園內公開) |
| 電子全文公開日期: | 2030-01-14 |
| 顯示於系所單位: | 資訊工程學系 |
文件中的檔案:
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| ntu-113-1.pdf 未授權公開取用 | 30.07 MB | Adobe PDF | 檢視/開啟 |
系統中的文件,除了特別指名其著作權條款之外,均受到著作權保護,並且保留所有的權利。
