一种适用于移动全双工语音交互的小型声学回波消除解决方案.pdfVIP

一种适用于移动全双工语音交互的小型声学

回波消除解决方案

stnd

1YihengJiang2BiaoTian

SpeechLab,AlibabaGroupSpeechLab,AlibabaGroup

Beijing,ChinaBeijing,China

jiangyiheng.jyh@tianbiao.tb@

摘要—在全双工语音交互系统中，有效的声学回波消除框架内，王等人[5]应用多任务学习来处理回音抑制、

（AEC）对于恢复受回波污染的语音至关重要。本文提出了一噪声减少和近端语音活动检测。

本种基于神经网络的AEC解决方案，以解决移动场景中存在的硬对于应用于全双工应用的AEC技术，特别是当音

件变化、非线性失真和长延迟等挑战。我们首先结合了多种数据

译频通过手机扬声器输出时，第三方开发者面临几个挑

增强策略来提高模型在各种环境下的鲁棒性。此外，采用渐进学

中习逐步提升AEC的效果，显著提高了语音质量。为进一步优化战。这些包括：(a)设备多样性以及由此导致的因硬件

1AEC的下游应用，我们引入了一种新颖的后处理策略，该策略特性不同而产生的非线性失真[9]，(b)内置系统级AEC

v

1使用专门针对语音活动检测（VAD）和自动语音识别（ASR）算法效果不一致，和(c)参考信号与麦克风信号之间的

6等任务设计的定制参数，从而提升了它们的整体效果。最后，我延迟变化，范围从几毫秒到几百毫秒[10]，这是由于硬

5们的方法采用了一个具有流式推理能力的小型模型，实现了在移

7件延迟和软件缓冲[11]导致的。

0动设备上的无缝部署。实验证明了所提出的方法在回波返回损耗

8.增强和感知语音质量评估方面的有效性，并且显著改善了VAD这些挑战突显了需要一个灵活的应用层AEC算法

0和ASR的结果。来补充或与内置的系统级AEC合作，从而提高各种移

5

2IndexTerms—声回波消除，全双工交互，数据增强，渐动设备之间的兼容性，并实现有效的全双工交互。在

:进学习，后处理。[9]中，结合统计回声抑制方法的LAEC被用于移动电

v

i

x话VoIP场景。然而，这种方法并未考虑到不同设备间

r

aI.介绍的硬件差异。此外，Heitkaemper等人在[12]中实现了

流式AEC系统以改善智能语音助手中的关键词识别和

语音交互系统的性能严重受到声学回声的影响[1],ASR性能。但是，这种方法仅限于由唤醒词发起的单一

[2]。因此，AEC是一项关键技术，通过消除这种不必交互，并未解决需要同时考虑VAD和ASR效果来优化

要的反馈提供纯净的音频通信[3]。AEC的连续全双工交互问题。

最近关于AEC的研究，无论是使用[4],[5]还是不本文中，我们提出了一种专为VAD和ASR任务设

使用[6],[7]神经网络（NN），都引起了广泛关注。对于计的新型两阶段AEC系统，旨在应用于移动全双工交

基于NN的AEC方法，一种常见的方法包括两个阶段，互场景。我们的贡献包括：(a)利用多方面的数据增强

如图1(a)所示。第一阶段采用自适应滤波器来处理假（DA）技术提高模型在各种移动声学场景中的适应性。