RDSE双麦实时定向语音增强框架发布

Chinmay Deo 等人提交并发布 RDSE 框架，面向双麦克风低端智能手机做实时定向语音增强。该框架将视觉交互与特征推理解耦，摄像头输入仅用于参数化空间滤波的导向矢量，而非持续使用视觉流或嵌入。 系统由去混响网络、带时序卷积网络的波束成形器和基于 MetricGAN 的降噪器组成。作者称，在基准数据与真实录音上无需精确几何校准即可实现有效音频变焦，并通过实时直播验证了实用性。

根据报道生成 · 1 天前更新

还没有足够的连续观测数据，暂不绘制趋势。