Voice Activity Detection Optimized by Adaptive Attention Span Transformer

计算机科学 语音识别 语音活动检测 Mel倒谱 变压器 人工智能 编码器 分类器(UML) 模式识别(心理学) 语音处理 特征提取 工程类 电压 电气工程 操作系统
作者
Wenpeng Mu,Bingshan Liu
出处
期刊:IEEE Access [Institute of Electrical and Electronics Engineers]
卷期号:11: 31238-31243 被引量:10
标识
DOI:10.1109/access.2023.3262518
摘要

Voice Activity Detection (VAD) is a widely used technique for separating vocal regions from audio signals, with applications in voice language coding, noise reduction, and other domains. While various strategies have been proposed to improve VAD performance, such as ACAM, DCU-10, and Tr-VAD, these approaches often suffer from common limitations, including being unsuitable for long audio and being time-consuming. To address these issues, we propose a new method called AAT-VAD, which integrates an adaptive width attention learning mechanism into the classic transformer framework. Our approach involves extracting Mel-scale Frequency Cepstral Coefficients (MFCC) from the Mel scale frequency domain, adding a masking function to each transformer attention head, and inputting the features processed by the transformer encoder layer into the classifier. Experimental results indicate that our method achieves a 12.8% higher F1-score than DCU-10 and a 0.6% higher F1-score than Tr-VAD under different noise interferences. Furthermore, the average detection cost function (DCF) value of our method is only 14.3% of DCU-10 and 92.4% of Tr-VAD, and the test time of AAT-VAD is only 37.4% of that of Tr-VAD for the same noisy vocal mixed audio.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
FULAWEN发布了新的文献求助10
1秒前
1秒前
馒头发布了新的文献求助10
2秒前
ninye完成签到,获得积分10
2秒前
TALE发布了新的文献求助200
2秒前
薰硝壤应助新火采纳,获得10
3秒前
夕赣完成签到 ,获得积分10
3秒前
4秒前
超人Steiner发布了新的文献求助20
4秒前
6秒前
bkagyin应助ninye采纳,获得10
6秒前
lizh187发布了新的文献求助10
6秒前
dabai完成签到,获得积分10
7秒前
8秒前
爆米花应助ShmilySherry采纳,获得10
9秒前
9秒前
TALE完成签到,获得积分10
10秒前
smy发布了新的文献求助10
11秒前
WWW关注了科研通微信公众号
12秒前
薰硝壤应助无限曼易采纳,获得20
12秒前
13秒前
馒头完成签到,获得积分10
13秒前
青青子衿发布了新的文献求助10
14秒前
jovrtic发布了新的文献求助10
14秒前
15秒前
莫非完成签到,获得积分10
16秒前
16秒前
17秒前
19秒前
李爱国应助Strike采纳,获得10
21秒前
21秒前
栗子栗栗子完成签到,获得积分10
21秒前
大个应助酷炫煎饼采纳,获得10
22秒前
zzzzq发布了新的文献求助10
22秒前
23秒前
23秒前
诚心爆米花完成签到,获得积分10
25秒前
WWW发布了新的文献求助10
26秒前
lea发布了新的文献求助10
27秒前
Progie应助阿叶同学采纳,获得10
28秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3140783
求助须知:如何正确求助?哪些是违规求助? 2791678
关于积分的说明 7800053
捐赠科研通 2448055
什么是DOI,文献DOI怎么找? 1302292
科研通“疑难数据库(出版商)”最低求助积分说明 626500
版权声明 601210