Детектор речевой активности на основе свёрточной нейронной сети с рекуррентными связями

Abstract

В данной работе исследуется задача обнаружения речевой активности в зашумленном звуковом сигнале. Классические подходы к решению данной задачи используют MFCC в качестве базовых признаков, и вычислительно- сложные модели для их классификации, что плохо сказывается на производительности. Мы представляем модель свѐрточной нейронной сети с рекуррентными связями использующую информацию о гармонической природе речевого сигнала в качестве базовых признаков. В сравнении с другими нейросетевыми моделями, предложенная модель имеет на несколько порядков меньше настраиваемых параметров, что позволяет ей быстрее обучаться и обладать низкими вычислительными затратами.