无需掩码的神经网络用于单声道语音增强

在语音增强领域，目标语音相位缺乏清晰的结构特征，导致通常需要采用保守且复杂的网络架构。直接方法与简单网络结构难以实现具有竞争力的性能。然而，本文提出了一种直接且简洁的网络结构——MFNet，该网络不仅能够实现语音映射，还可同时对反向噪声进行映射。MFNet通过堆叠全局局部变换块（Global Local Former Blocks, GLFBs）构建而成，该结构融合了MobileBlock在全局建模方面的优势与Metaformer架构在局部交互中的高效性。实验结果表明，采用映射方法的本网络在性能上优于传统的掩蔽方法，且在强噪声环境下，对反向噪声进行直接映射成为最优解决方案。在2020年深度噪声抑制（Deep Noise Suppression, DNS）挑战赛测试集（无混响条件）的横向对比中，据我们所知，MFNet是当前最先进的映射类模型（State-of-the-Art, SOTA）。