基于条件扩散概率模型的语音增强

语音增强是众多面向用户音频应用中的关键组成部分，然而当前系统仍普遍存在输出失真、不自然的问题。尽管生成模型在语音合成领域展现出强大潜力，但在语音增强任务中仍处于相对落后状态。本文利用扩散概率模型的最新进展，提出了一种新型语音增强算法，该算法将观测到的含噪语音信号的特性融入扩散过程与逆向生成过程之中。具体而言，我们提出了一种广义化的扩散概率模型——条件扩散概率模型（conditional diffusion probabilistic model），其逆向过程能够适应估计语音信号中非高斯的真实噪声。实验结果表明，所提方法在性能上显著优于代表性生成模型；同时，我们还评估了模型在训练阶段未见过的噪声特征数据集上的泛化能力，验证了其良好的跨数据集适应性。