Une approche alternative en extraction vocale

La recherche sur l'extraction du locuteur cible (TSE) basée sur des indices audio s'est principalement concentrée sur la modélisation du mélange et de la parole de référence, atteignant des performances élevées en anglais grâce à la disponibilité de grands ensembles de données. Cependant, moins d'attention a été portée aux propriétés cohérentes de la parole humaine à travers les langues. Pour combler cette lacune, nous introduisons un modèle alternatif qui répond au défi du transfert des modèles TSE d'une langue à une autre sans réajustement fin. Dans ce travail, nous proposons un mécanisme de porte (gating mechanism) capable de modifier des fréquences spécifiques en fonction des caractéristiques acoustiques du locuteur. Le modèle atteint un SI-SDR de 17,3544 sur la parole anglaise propre et de 13,2032 sur la parole propre mêlée au bruit Wham!, surpassant tous les autres modèles dans sa capacité à s'adapter aux différentes langues.