从采样率、带宽、房间响应和距离线索出发,讨论语音增强模型的跨设备与跨房间泛化。
端侧语音增强,不能只按参数量来设计
分析端侧语音增强的算子、量化、跨帧状态和下游收益,而不只比较模型参数量。
少麦克风系统真正的边界,在于能否说明自己听向哪里
分析双麦与少麦克风系统如何说明听向哪里,并在有限阵列条件下暴露不确定性。
真实语音失配,不能再用合成数据一笔带过
从无配对增强、多人目标提取和低码率传输出发,分析真实语音失配为何不能被合成数据掩盖。
可解释滤波器,重新成为端侧语音的选项
介绍时变 IIR 去噪器如何在端侧低功耗场景中提供可检查、可控制的滤波接口。
测试时自适应,为什么不等于临场调参
区分测试时自适应与临场调参,讨论模型在噪声、房间和设备变化下的安全适应边界。
当语音管线进入真实行业场景
分析语音系统进入真实行业场景后,领域、设备、说话方式与隐私约束如何共同影响部署。
从唤醒词到多人转写,身份信息应当怎样流动
讨论唤醒词、多人转写与说话人验证之间如何共享身份证据,减少多人场景中的误判。
目标说话人的记忆,不该只靠手工规则
讨论流式目标说话人提取中的记忆更新,如何在稳定性与适应性之间避免身份漂移。
实时语音前端,不应只在离线基准里变快
从状态、计算、空间信息和用户体验四个层面重新定义实时语音前端的验收标准。