hinmer的博客

##【arXiv编号】2411.04562v2###【领域】机器学习、强化学习这篇文章属于计算机科学和机器学习领域。arxiv链接摘要: 本文提出了一种新的无监督的基于音视频的语音增强(AVSE)方法,结合了基于扩散的音视频语音生成模型和基于非负矩阵分解(NMF)的噪声模型。首先,扩散模型在对应的视频数据上进行预训练,以模拟语音的生成分布。然后,该预训练模型与基于NMF的噪声模型相结合,以迭代估计干净的语音。

====