SpEx+: شبكة مستخرجة كاملة للمتحدث في مجال الزمن

استخراج المتحدث يهدف إلى استخراج الإشارة الصوتية للهدف من بيئة متعددة المتحدثين مع وجود إشارة مرجعية للمتحدث الهدف. قدمنا مؤخرًا حلًا في مجال الزمن، وهو SpEx، الذي يتجنب تقدير الطور في الأساليب التي تعتمد على المجال الترددي. ومع ذلك، فإن SpEx ليس حلاً كاملاً في مجال الزمن، حيث يقوم بتشفير الكلام في مجال الزمن لاستخراج المتحدث، بينما يستخدم تضمين المتحدث في المجال الترددي كمرجع. كما أن حجم نافذة التحليل في مجال الزمن وحجم المدخلات في المجال الترددی مختلفان أيضًا. هذا الاختلاف يؤثر سلبًا على أداء النظام. لمنع مثل هذا الاختلاف، نقترح حلًا كاملًا لاستخراج المتحدث في مجال الزمن، ويُطلق عليه SpEx+. بشكل خاص، نربط أوزان شبكتي تشفير الكلام المتطابقتين، واحدة لخط الأنابيب المكون من المشفّر-المستخرج-المفكك (encoder-extractor-decoder)، والثانية كجزء من مشفّر المتحدث. تظهر التجارب أن SpEx+ يحقق تحسينات في نسبة الإشارة إلى الضوضاء (SDR) بمقدار 0.8 ديسيبل و2.1 ديسيبل مقارنة بأفضل الحلول السابقة SpEx على قاعدة البيانات WSJ0-2mix-extr وفي ظروف مختلفة ومتشابهة الجنس على التوالي.