L'amélioration de la parole est un cadre technique conçu pour optimiser les signaux vocaux dégradés en supprimant le bruit, la réverbération et les interférences. Elle vise principalement à résoudre le problème de l'intelligibilité et du manque de naturel de la parole causés par la contamination du signal dans des environnements acoustiques complexes. Cette architecture englobe des tâches essentielles telles que la récupération de la parole, l'extraction du locuteur cible, la séparation des voix et la suppression du bruit, préservant ainsi fidèlement les caractéristiques acoustiques de la parole originale tout en filtrant les bruits de fond. Les résultats de recherche montrent que les techniques modernes d'amélioration de la parole surmontent efficacement les limitations des filtres statistiques traditionnels, améliorant considérablement l'expérience auditive et complétant parfaitement la reconnaissance vocale automatique et la compréhension audio. Dans des applications telles que les aides auditives, la visioconférence et les interactions vocales en environnements complexes, elle permet aux systèmes de capturer et d'analyser la parole avec une grande précision et une robustesse extrême.

La technologie d'amélioration de la parole trouve son origine dans la recherche sur le traitement du signal à la fin des années 1970, avec comme étape clé l'article de 1979 de Steven F. Boll, chercheur à l'Université de l'Utah.Suppression du bruit acoustique dans la parole par soustraction spectraleDans son article (IEEE Transactions on Acoustics, Speech, and Signal Processing, vol. 27, n° 2, p. 113-120), il propose d'estimer en temps réel le spectre du bruit de fond stationnaire à partir de segments silencieux de la parole et de soustraire directement la composante de bruit du spectre d'amplitude de Fourier à court terme du signal bruité afin d'obtenir une amélioration. Ce paradigme de soustraction spectrale efficace a jeté les bases pratiques de recherches ultérieures.

S'appuyant sur ces travaux, Y. Ephraim et D. Malah ont publié en 1984 un autre article fondamental, « ... »Amélioration de la parole à l'aide d'un estimateur d'amplitude spectrale à court terme à erreur quadratique moyenne minimale(IEEE Trans. Acoust., Speech, Signal Process., vol. 32, n° 6, p. 1109-1121). Ils ont supposé que les composantes spectrales étaient des variables aléatoires gaussiennes et ont dérivé un estimateur d'amplitude spectrale à court terme utilisant le critère de l'erreur quadratique moyenne minimale, ce qui permet d'équilibrer efficacement la suppression du bruit et la distorsion de la parole. Au milieu des années 1990, Ephraim et H.L. Van Trees ont introduit la méthode des sous-espaces de signal, décomposant le signal bruité en sous-espaces orthogonaux de signal et de bruit et effectuant un filtrage par projection, améliorant ainsi les performances dans les environnements à faible rapport signal/bruit.

Des chercheurs de l'Université des sciences et technologies de Chine (USTC) et du Georgia Institute of Technology ont officiellement établi un paradigme de régression basé sur l'apprentissage profond en septembre 2014. Des résultats de recherche représentatifs ont été publiés dans un article marquant dans le domaine du traitement audio et acoustique.Une approche de régression pour l'amélioration de la parole basée sur des réseaux neuronaux profondsDans leurs travaux, ils ont modélisé l'amélioration de la parole comme un problème de régression utilisant des réseaux neuronaux profonds, apprenant directement la correspondance implicite entre les spectres bruités et les spectres clairs grâce à ces réseaux. Cette approche a permis de dépasser les limitations des hypothèses statistiques traditionnelles et a propulsé le développement rapide de l'amélioration de la parole à l'ère de l'IA. Ces travaux constituent collectivement une évolution complète du traitement spectral classique vers les systèmes intelligents basés sur les données, et ont trouvé de nombreuses applications dans des domaines tels que les appareils auditifs, la reconnaissance vocale et la communication en temps réel.