基于扩散模型的语音增强方差分析

扩散模型在语音增强任务中展现出强大的生成能力。在近期的SGMSE+方法中，训练过程基于随机微分方程（stochastic differential equation, SDE）来建模扩散过程，逐步向干净语音信号中添加高斯噪声与环境噪声。语音增强性能在很大程度上取决于所选用的随机微分方程，该方程决定了在扩散过程中均值与方差演化的规律。本文指出，方差的尺度是影响语音增强性能的关键参数，并进一步表明，该参数在噪声抑制与语音失真之间起到权衡作用。具体而言，我们证明了较大的方差能够提升噪声抑制能力，同时降低计算开销，因为生成语音估计所需的函数求值次数相应减少。